一种受生物视觉启发的框架，用于机器感知相邻光栅错觉轮廓
计算机视觉与模式识别
2025-08-26 v1 人工智能
摘要
更高层次的机器智能需要与人类感知和认知保持一致。以深度神经网络（DNN）为主导的机器智能已在各种现实任务中展现出卓越性能。然而，近期的研究表明，DNN无法感知诸如相邻光栅之类的错觉轮廓，这与人类感知模式存在偏差。与先前工作不同，我们提出了一种受视觉皮层回路启发的新型深度网络——错觉轮廓感知网络（ICPNet）。在ICPNet中，设计了多尺度特征投影（MFP）模块以提取多尺度表征。为增强前馈特征与反馈特征之间的交互，引入了特征交互注意力模块（FIAM）。此外，借鉴人类感知中的形状偏向，通过边缘融合模块（EFM）执行的边缘检测任务注入了形状约束，引导网络聚焦于前景。我们在现有的AG-MNIST测试集以及本工作构建的AG-Fashion-MNIST测试集上评估了所提方法。全面的实验结果表明，ICPNet对相邻光栅错觉轮廓的敏感度显著高于现有最先进模型，在各子集上的top-1准确率均有显著提升。本工作有望推动基于DNN的模型迈向类人智能。
引用
@article{arxiv.2508.17254,
title = {A biological vision inspired framework for machine perception of abutting grating illusory contours},
author = {Xiao Zhang and Kai-Fu Yang and Xian-Shi Zhang and Hong-Zhi You and Hong-Mei Yan and Yong-Jie Li},
journal= {arXiv preprint arXiv:2508.17254},
year = {2025}
}