Summary

Visualizzazione visiva Adattamento

Published: April 24, 2017
doi:

Summary

Questo articolo descrive un nuovo metodo per la simulazione e lo studio di adattamento nel sistema visivo.

Abstract

Molte tecniche sono state sviluppate per visualizzare come un'immagine sembrerebbe un individuo con una diversa sensibilità visiva: ad esempio, a causa delle differenze ottici o di età, oppure un deficit di colore o di malattia. Questo protocollo descrive una tecnica per introdurre l'adattamento sensoriale in simulazioni. Il protocollo è illustrato con l'esempio della visione del colore, ma è generalmente applicabile a qualsiasi forma di adattamento visivo. Il protocollo utilizza un semplice modello di colore visione umana basata su ipotesi standard e plausibili circa il colore della retina e meccanismi corticali codifica e come questi regolare la loro sensibilità sia al colore medio e la gamma di colori nello stimolo prevalente. I guadagni dei meccanismi sono adattate in modo che la loro risposta media sotto un contesto viene assimilato per un contesto diverso. Le simulazioni aiutano a rivelare i limiti teorici di adattamento e di generare "immagini" adattati in modo ottimale abbinati ad una specifica environment o osservatore. Essi forniscono inoltre una metrica comune per esplorare gli effetti di adattamento all'interno di diversi osservatori o ambienti diversi. Caratterizzazione percezione visiva e le prestazioni con queste immagini fornisce un nuovo strumento per studiare le funzioni e le conseguenze di adattamento a lungo termine in visione o altri sistemi sensoriali.

Introduction

Quale potrebbe essere il mondo simile ad altri, o per noi stessi come si cambia? Le risposte a queste domande sono di fondamentale importanza per comprendere la natura e meccanismi di percezione e le conseguenze di entrambe le varianti normali e clinici codifica sensoriale. Una grande varietà di tecniche e approcci sono stati sviluppati per simulare come le immagini possono apparire alle persone con diverse sensibilità visiva. Ad esempio, questi includono simulazioni di colori che possono essere discriminati da diversi tipi di difetto di colore 1, 2, 3, 4, le differenze spaziali e cromatiche che possono essere risolti da neonati o osservatori anziani 5, 6, 7, 8, 9 , come le immagini appaiono in visione periferica <s up class = "xref"> 10, e le conseguenze di errori ottiche o malattia 11, 12, 13, 14. Essi sono anche stati applicati per visualizzare le discriminazioni che sono possibili altre specie 15, 16, 17. Tipicamente, tali simulazioni utilizzano misurazioni delle perdite di sensibilità in diverse popolazioni di filtrare un'immagine e quindi ridurre o eliminare la struttura hanno difficoltà a vedere. Ad esempio, forme comuni di daltonismo riflettono una perdita di una delle due fotorecettori sensibili alle lunghezze d'onda medie o lunghe, e immagini filtrate per rimuovere i loro segnali tipicamente appaiono privi di tonalità "rosso-verdastro" 1. Analogamente, i bambini hanno più povera acuità, e così le immagini elaborate per la loro ridotta sensibilità spaziale appaiono sfocati . f "> 5 Queste tecniche forniscono preziose illustrazioni di ciò che una persona può vedere che un altro non può tuttavia, non lo fanno -. e spesso non sono destinati a – ritrarre l'esperienza reale percettiva dell'osservatore, e in alcuni casi può travisare la quantità e il tipo di informazioni disponibili per l'osservatore.

Questo articolo descrive una nuova tecnica sviluppata per simulare le differenze di esperienza visiva che incorpora una caratteristica fondamentale della codifica visiva – adattamento 18, 19. Tutti i sistemi sensoriali e motori adattano continuamente al contesto a cui sono esposti. Un odore pungente in una stanza svanisce rapidamente, mentre la visione può ospitare a come brillante o dim la stanza è. È importante sottolineare che questi aggiustamenti si verificano per quasi qualsiasi attributo stimolo, tra cui percezioni "di alto livello", come le caratteristiche del volto di qualcuno 20,class = "xref"> 21 o la voce 22, 23, nonché la calibratura dei comandi motori realizzati durante il movimento degli occhi o raggiungendo per un oggetto 24, 25. In realtà, l'adattamento è probabile una proprietà essenziale di quasi tutti i processi neurali. Questo documento illustra come incorporare questi effetti di adattamento nelle simulazioni l'aspetto delle immagini, da fondamentalmente "adattando l'immagine" per prevedere come sembrerebbe ad un osservatore specifico in uno stato specifico di adattamento 26, 27, 28, 29. Molti fattori possono alterare la sensibilità di un osservatore, ma adattamento spesso può compensare per importanti aspetti di queste modifiche, in modo che le perdite di sensibilità sono meno cospicuo di quanto sarebbe previsto senza assumere che il sistema si adatta. Viceversa, poichéadattamento regola la sensibilità in base al contesto di stimolo attuale, queste regolazioni sono importanti anche per incorporare per prevedere quanto la percezione può variare quando l'ambiente varia.

Il seguente protocollo illustra la tecnica adattando il contenuto del colore delle immagini. Visione colore ha il vantaggio che le fasi iniziali neurali di codifica a colori sono relativamente ben compresi, come sono i modelli di adattamento 30. I meccanismi reali e regolazioni sono complesse e vario, ma le principali conseguenze di adattamento possono essere acquisite utilizzando una semplice e modello a due stadi convenzionale (Figura 1a). Nella prima fase, i segnali di colore sono inizialmente codificati da tre tipi di fotorecettori coni che sono massimamente sensibile a breve, medio o lungo lunghezze d'onda (S, M e L coni). Nella seconda fase, i segnali provenienti da diversi coni sono combinate in cellule post-recettoriali per formare "color-avversario" channels che ricevono ingressi antagonistici dai diversi coni (e quindi trasmettere informazioni "colore"), e canali "non-antagoniste" che sintetizzano insieme gli ingressi cono (codifica quindi "luminosità" informazioni). Adattamento si verifica in entrambe le fasi, e si posiziona a due diversi aspetti del colore – della media (nei coni) e la varianza (nei canali post-recettoriali) 30, 31. L'obiettivo della simulazione è di applicare queste regolazioni ai meccanismi del modello e quindi rendere l'immagine da loro uscite adattati.

Il processo di adattamento immagini coinvolge sei componenti principali. Questi sono 1) scegliendo le immagini; 2) scegliere il formato per gli spettri di immagine; 3) definente il cambiamento di colore dell'ambiente; 4) definente la variazione della sensibilità dell'osservatore; 5) utilizzando il programma per creare le immagini adatte; e 6) con le immagini per valutare le conseguenze di adattamento. Tha riportata considera ciascuno di questi passi in dettaglio. Il modello e meccanismo di risposte di base sono illustrati nella Figura 1, mentre le figure 2 – 5 mostrano esempi di immagini rese con il modello.

Protocol

NOTA: Il protocollo illustrato utilizza un programma che permette di selezionare le immagini e poi adattarli utilizzando le opzioni selezionate da diversi menu a discesa. 1. Selezionare l'immagine da Adapt Clicca sull'immagine e cercare il nome del file di immagine con cui lavorare. Osservare l'immagine originale nel riquadro in alto a sinistra. 2. Specificare lo stimolo e l'Observer Fare clic sul menu "Formato&quo…

Representative Results

Le figure di 2 – 4 illustrano le simulazioni di adattamento per modifiche nell'osservatore o dell'ambiente. La figura 2 confronta l'aspetto previsto di Vita Ancora di Cézanne con mele per un osservatore di giovani e meno giovani, che si differenziano solo per la densità del pigmento dell'obiettivo 28. L'immagine originale come visto attraverso l'occhio più giovane (Figura …

Discussion

Il protocollo illustrato dimostra come gli effetti di adattamento al cambiamento nell'ambiente o l'osservatore possono essere ritratte in immagini. La forma questa rappresentazione assume dipenderà dalle assunzioni fatte per il modello – per esempio, come il colore è codificato, e come i meccanismi di codifica rispondere e adattarsi. Così il passo più importante è decidere sul modello della visione a colori – per esempio quello che le proprietà dei canali ipotizzati sono, e come sono assunto ad adattarsi. …

Disclosures

The authors have nothing to disclose.

Acknowledgements

Sostenuto dal National Institutes of Health (NIH) Sovvenzione EY-10834.

Materials

Computer
Images to adapt
Programming language (e.g. Visual Basic or Matlab)
Program for processing the images
Observer spectral sensitivities (for applications involving observer-specific adaptation)
Device emmission spectra (for device-dependent applications)

References

  1. Vienot, F., Brettel, H., Ott, L., Ben M’Barek, A., Mollon, J. D. What do colour-blind people see?. Nature. 376, 127-128 (1995).
  2. Brettel, H., Vienot, F., Mollon, J. D. Computerized simulation of color appearance for dichromats. J Opt Soc Am A Opt Image Sci Vis. 14, 2647-2655 (1997).
  3. Flatla, D. R., Gutwin, C. So that’s what you see: building understanding with personalized simulations of colour vision deficiency. Proceedings of the 14th international ACM SIGACCESS conference on Computers and accessibility. , 167-174 (2012).
  4. Machado, G. M., Oliveira, M. M., Fernandes, L. A. A physiologically-based model for simulation of color vision deficiency. IEEE Trans. Vis. Comput. Graphics. 15, 1291-1298 (2009).
  5. Teller, D. Y. First glances: the vision of infants. the Friedenwald lecture. Invest. Ophthalmol. Vis. Sci. 38, 2183-2203 (1997).
  6. Ball, L. J., Pollack, R. H. Simulated aged performance on the embedded figures test. Exp. Aging Res. 15, 27-32 (1989).
  7. Sjostrom, K. P., Pollack, R. H. The effect of simulated receptor aging on two types of visual illusions. Psychon Sci. 23, 147-148 (1971).
  8. Lindsey, D. T., Brown, A. M. Color naming and the phototoxic effects of sunlight on the eye. Psychol Sci. 13, 506-512 (2002).
  9. Raj, A., Rosenholtz, R. What your design looks like to peripheral vision. Proceedings of the 7th Symposium on Applied Perception in Graphics and Visualization. , 88-92 (2010).
  10. Perry, J. S., Geisler, W. S. Gaze-contingent real-time simulation of arbitrary visual fields. International Society for Optics and Photonics: Electronic Imaging. , 57-69 (2002).
  11. Vinnikov, M., Allison, R. S., Swierad, D. Real-time simulation of visual defects with gaze-contingent display. Proceedings of the 2008 symposium on Eye tracking research. , 127-130 (2008).
  12. Hogervorst, M. A., van Damme, W. J. M. Visualizing visual impairments. Gerontechnol. 5, 208-221 (2006).
  13. Aguilar, C., Castet, E. Gaze-contingent simulation of retinopathy: some potential pitfalls and remedies. Vision res. 51, 997-1012 (2011).
  14. Rowe, M. P., Jacobs, G. H. Cone pigment polymorphism in New World monkeys: are all pigments created equal?. Visual neurosci. 21, 217-222 (2004).
  15. Rowe, M. P., Baube, C. L., Loew, E. R., Phillips, J. B. Optimal mechanisms for finding and selecting mates: how threespine stickleback (Gasterosteus aculeatus) should encode male throat colors. J. Comp. Physiol. A Neuroethol. Sens. Neural. Behav. Physiol. 190, 241-256 (2004).
  16. Melin, A. D., Kline, D. W., Hickey, C. M., Fedigan, L. M. Food search through the eyes of a monkey: a functional substitution approach for assessing the ecology of primate color vision. Vision Res. 86, 87-96 (2013).
  17. Webster, M. A. Adaptation and visual coding. J vision. 11 (5), 1-23 (2011).
  18. Webster, M. A. Visual adaptation. Annu Rev Vision Sci. 1, 547-567 (2015).
  19. Webster, M. A., Kaping, D., Mizokami, Y., Duhamel, P. Adaptation to natural facial categories. Nature. 428, 557-561 (2004).
  20. Webster, M. A., MacLeod, D. I. A. Visual adaptation and face perception. Philos. Trans. R. Soc. Lond., B, Biol. Sci. 366, 1702-1725 (2011).
  21. Schweinberger, S. R., et al. Auditory adaptation in voice perception. Curr Biol. 18, 684-688 (2008).
  22. Yovel, G., Belin, P. A unified coding strategy for processing faces and voices. Trends cognit sci. 17, 263-271 (2013).
  23. Shadmehr, R., Smith, M. A., Krakauer, J. W. Error correction, sensory prediction, and adaptation in motor control. Annu rev neurosci. 33, 89-108 (2010).
  24. Wolpert, D. M., Diedrichsen, J., Flanagan, J. R. Principles of sensorimotor learning. Nat rev Neurosci. 12, 739-751 (2011).
  25. McDermott, K., Juricevic, I., Bebis, G., Webster, M. A., Rogowitz, B. E., Pappas, T. N. Human Vision and Electronic Imaging. SPIE. 68060, (2008).
  26. Juricevic, I., Webster, M. A. Variations in normal color vision. V. Simulations of adaptation to natural color environments. Visual neurosci. 26, 133-145 (2009).
  27. Webster, M. A., Juricevic, I., McDermott, K. C. Simulations of adaptation and color appearance in observers with varying spectral sensitivity. Ophthalmic Physiol Opt. 30, 602-610 (2010).
  28. Webster, M. A. Probing the functions of contextual modulation by adapting images rather than observers. Vision res. , (2014).
  29. Webster, M. A. Human colour perception and its adaptation. Network: Computation in Neural Systems. 7, 587-634 (1996).
  30. Webster, M. A., Mollon, J. D. Colour constancy influenced by contrast adaptation. Nature. 373, 694-698 (1995).
  31. Brainard, D. H., Stockman, A., Bass, M. . OSA Handbook of Optics. , 10-11 (2010).
  32. Maloney, L. T. Evaluation of linear models of surface spectral reflectance with small numbers of parameters. J Opt Soc Am A Opt Image Sci Vis. 3, 1673-1683 (1986).
  33. Mizokami, Y., Webster, M. A. Are Gaussian spectra a viable perceptual assumption in color appearance?. J Opt Soc Am A Opt Image Sci Vis. 29, A10-A18 (2012).
  34. Chichilnisky, E. J., Wandell, B. A. Photoreceptor sensitivity changes explain color appearance shifts induced by large uniform backgrounds in dichoptic matching. Vision res. 35, 239-254 (1995).
  35. Boehm, A. E., MacLeod, D. I., Bosten, J. M. Compensation for red-green contrast loss in anomalous trichromats. J vision. 14, (2014).
  36. Regan, B. C., Mollon, J. D., Cavonius, C. R. . Colour Vision Deficiencies. Vol. XIII. , 261-270 (1997).
  37. Carandini, M., Heeger, D. J. Normalization as a canonical neural computation. Nature reviews. Neurosci. 13, 51-62 (2011).
  38. Rieke, F., Rudd, M. E. The challenges natural images pose for visual adaptation. Neuron. 64, 605-616 (2009).
  39. Hardy, J. L., Frederick, C. M., Kay, P., Werner, J. S. Color naming, lens aging, and grue: what the optics of the aging eye can teach us about color language. Psychol sci. 16, 321-327 (2005).
  40. Webster, M. A., Mollon, J. D. Adaptation and the color statistics of natural images. Vision res. 37, 3283-3298 (1997).
  41. Webster, M. A., Mizokami, Y., Webster, S. M. Seasonal variations in the color statistics of natural images. Network. 18, 213-233 (2007).
  42. Sagi, D. Perceptual learning in Vision Research. Vision res. , (2011).
  43. Lu, Z. L., Yu, C., Watanabe, T., Sagi, D., Levi, D. Perceptual learning: functions, mechanisms, and applications. Vision res. 50, 365-367 (2009).
  44. Bavelier, D., Green, C. S., Pouget, A., Schrater, P. Brain plasticity through the life span: learning to learn and action video games. Annu rev neurosci. 35, 391-416 (2012).
  45. Kompaniez, E., Abbey, C. K., Boone, J. M., Webster, M. A. Adaptation aftereffects in the perception of radiological images. PloS one. 8, e76175 (2013).
  46. Ross, H. . Behavior and Perception in Strange Environments. , (1974).
  47. Armann, R., Jeffery, L., Calder, A. J., Rhodes, G. Race-specific norms for coding face identity and a functional role for norms. J vision. 11, 9 (2011).
  48. Oruc, I., Barton, J. J. Adaptation improves discrimination of face identity. Proc. R. Soc. A. 278, 2591-2597 (2011).
  49. Kording, K. P., Tenenbaum, J. B., Shadmehr, R. The dynamics of memory as a consequence of optimal adaptation to a changing body. Nature neurosci. 10, 779-786 (2007).
  50. Neitz, J., Carroll, J., Yamauchi, Y., Neitz, M., Williams, D. R. Color perception is mediated by a plastic neural mechanism that is adjustable in adults. Neuron. 35, 783-792 (2002).
  51. Delahunt, P. B., Webster, M. A., Ma, L., Werner, J. S. Long-term renormalization of chromatic mechanisms following cataract surgery. Visual neurosci. 21, 301-307 (2004).
  52. Bao, M., Engel, S. A. Distinct mechanism for long-term contrast adaptation. Proc Natl Acad Sci USA. 109, 5898-5903 (2012).
  53. Kwon, M., Legge, G. E., Fang, F., Cheong, A. M., He, S. Adaptive changes in visual cortex following prolonged contrast reduction. J vision. 9 (2), 1-16 (2009).
  54. Webster, M. A., Elliott, A., Fairchild, M. D., Franklin, A. . Handbook of Color Psychology. , 197-215 (2015).

Play Video

Cite This Article
Webster, M. A., Tregillus, K. E. Visualizing Visual Adaptation. J. Vis. Exp. (122), e54038, doi:10.3791/54038 (2017).

View Video