更好，但不够：测试视频 ANN 对猴科 IT 动态的适应性
计算机视觉与模式识别
2026-01-08 v1 神经与进化计算
摘要
针对静态图像训练的前馈人工神经网络 (ANN) 仍是原始视觉流中占主导地位的模型，但它们本质上仅限于静态计算。动物世界是动态的，猴科视觉通路，特别是Inferior Temporal (IT) 皮层不仅支持物体识别，还在自然视频观看期间编码物体运动速度。IT 的时间响应是否仅仅反映时间展开的前馈变换、帧际特征的浅层时间池化，还是体现更丰富的动态计算？我们通过将自然视频中的 IT 响应与静态模型、循环模型和视频模型进行比较来进行测试。视频模型在神经可预测性方面提供了适度的改进，尤其是在后期响应阶段，这引发了一个问题：它们捕获的动态是什么类型。为探究这一点，我们应用了一次压力测试：在自然视频上训练的解码器在"无外观"变体上进行评估，该变体保留运动但删除形状和纹理。IT 群体活动在这种操作下具有良好的跨模版性，但所有 ANN 类别都失败了。因此，当前的视频模型更好地捕捉了外观绑定的动态，而非 IT 中表达的面向外观不变的动态计算，凸显了需要新的目标来编码生物学时间统计和不变性的必要性。
引用
@article{arxiv.2601.03392,
title = {Better, But Not Sufficient: Testing Video ANNs Against Macaque IT Dynamics},
author = {Matteo Dunnhofer and Christian Micheloni and Kohitij Kar},
journal= {arXiv preprint arXiv:2601.03392},
year = {2026}
}
备注
Extended Abstract at the 2nd Human-inspired Computer Vision workshop at ICCV 2025