An image-computable psychophysical spatial vision model.
An image-computable psychophysical spatial vision model.
复制标题
图像可计算的心理物理空间视觉模型
DOI：
10.1167/17.12.12
复制
发表时间：
2017
影响因子：
1.8
通讯作者：
Wichmann F. A.
中科院分区：
文献类型：
--
作者：
Schütt;Wichmann F. A.
经典视觉心理物理学的很大一部分关注的是模式信息最初如何在人类视觉系统中编码的基本问题。从这些研究中，出现了早期空间视觉的相对标准模型，该模型基于空间频率和方向特定通道，随后是加速的非线性和分裂归一化：对比度增益控制。在这里，我们以图像可计算的方式实现这样的模型，允许它采用任意亮度图像作为输入。在经典心理物理学数据上测试我们的实现，我们发现它使用一组参数解释了对比度检测数据，包括 ModelFest 数据、对比度辨别数据和倾斜掩蔽数据。利用图像可计算模型的优势，我们使用自然图像作为掩模，针对最近的数据集测试我们的模型。我们发现该模型也相当好地解释了这些数据。为了解释在不同演示持续时间获得的数据，我们的模型需要不同的参数来实现可接受的拟合。此外，我们还表明，使用拟合参数进行对比度增益控制会导致亮度信息的编码非常稀疏，这符合高效编码的概念。将标准的早期空间视觉模型转化为可图像计算的模型产生了两个进一步的见解：首先，非线性处理需要比最佳编码建议的更密集的空间频率和方向采样。其次，归一化需要在空间中相当局部，以适应使用自然图像掩模获得的数据。最后，我们的图像计算模型可以作为未来定量分析的工具：它允许使用优化的刺激来测试模型及其变体，并具有作为图像质量指标的潜在应用。此外，它还可以作为更高级别处理模型的构建块。
A large part of classical visual psychophysics was concerned with the fundamental question of how pattern information is initially encoded in the human visual system. From these studies a relatively standard model of early spatial vision emerged, based on spatial frequency and orientation-specific channels followed by an accelerating nonlinearity and divisive normalization: contrast gain-control. Here we implement such a model in an image-computable way, allowing it to take arbitrary luminance images as input. Testing our implementation on classical psychophysical data, we find that it explains contrast detection data including the ModelFest data, contrast discrimination data, and oblique masking data, using a single set of parameters. Leveraging the advantage of an image-computable model, we test our model against a recent dataset using natural images as masks. We find that the model explains these data reasonably well, too. To explain data obtained at different presentation durations, our model requires different parameters to achieve an acceptable fit. In addition, we show that contrast gain-control with the fitted parameters results in a very sparse encoding of luminance information, in line with notions from efficient coding. Translating the standard early spatial vision model to be image-computable resulted in two further insights: First, the nonlinear processing requires a denser sampling of spatial frequency and orientation than optimal coding suggests. Second, the normalization needs to be fairly local in space to fit the data obtained with natural image masks. Finally, our image-computable model can serve as tool in future quantitative analyses: It allows optimized stimuli to be used to test the model and variants of it, with potential applications as an image-quality metric. In addition, it may serve as a building block for models of higher level processing.
登录
查看更多内容
影响因子：
5.4
作者：
Goris, Robbe L. T.;Putzeys, Tom;Wichmann, Felix A.
通讯作者：
Wichmann, Felix A.
影响因子：
2.5
作者：
Cavanaugh, JR;Bair, W;Movshon, JA
通讯作者：
Movshon, JA
影响因子：
1.8
作者：
K. May;J. Solomon
通讯作者：
K. May;J. Solomon
影响因子：
1.8
作者：
Holmes, DJ;Meese, TS
通讯作者：
Meese, TS
DOI：
10.1364/josaa.2.001508
发表时间：
1985-01-01
影响因子：
1.9
作者：
PELLI, DG
通讯作者：
PELLI, DG