CoCoG-2：用于理解人类概念表征的可控视觉刺激生成
神经元与认知
2024-07-23 v1 计算机视觉与模式识别
人机交互
摘要
人类通过抽象概念来解释复杂的视觉刺激，这些概念有助于完成食物选择和风险规避等决策任务。相似性判断任务是探索这些概念的有效方法。然而，概念空间中可控图像生成的方法尚不成熟。本研究提出了一种新框架 CoCoG-2，将生成的视觉刺激集成到相似性判断任务中。CoCoG-2 利用训练自由的引导算法来增强生成灵活性。CoCoG-2 框架可用于基于人类概念创建实验刺激，支持多种引导视觉刺激生成的策略，并演示了这些刺激如何验证各种实验假设。CoCoG-2 将促进我们对概念表征与行为之间因果关系的理解，通过生成视觉刺激来实现。代码已公开于 \url{https://github.com/ncclab-sustech/CoCoG-2}。
引用
@article{arxiv.2407.14949,
title = {CoCoG-2: Controllable generation of visual stimuli for understanding human concept representation},
author = {Chen Wei and Jiachen Zou and Dietmar Heinke and Quanying Liu},
journal= {arXiv preprint arXiv:2407.14949},
year = {2024}
}