V1 区显著性预测的神经元动力学模型

初级视觉皮层(V1)中的侧向连接长期以来被假设为多种视觉处理机制的原因，例如亮度诱导、色度诱导、视觉不适和自下而上视觉注意(亦称显著性)。许多计算模型已被开发用于独立预测这些及其他视觉过程，但尚无计算模型能够同时重现它们全部。本工作中我们展示，一个生物学上合理的 V1 侧向相互作用计算模型能够同时预测显著性及上述所有视觉过程。我们的模型(NSWAM)架构基于 Pennachio 的 V1 侧向连接神经元动力学模型。它被定义为一个发放率神经元网络，对亮度、颜色、方向和尺度等视觉特征敏感。我们使用来自多个眼动追踪数据集的图像测试了 NSWAM 的显著性预测。我们表明，使用打乱度量时，我们的架构所获得的预测精度与其他最先进的计算方法相似，尤其是包含主要低级特征的合成图像(CAT2000-Pattern 与 SID4VAM)。此外，我们优于其他专门设计用于仅重现显著性的生物学启发显著性模型。因此，我们展示出，我们这种生物学合理的侧向连接模型能够同时解释 V1 中存在的不同视觉过程(不对所有视觉过程施加任何训练或优化并保持相同参数化)。这有助于定义初级视觉皮层的统一架构。