解耦感知分组的神经机制
计算机视觉与模式识别
2020-10-29 v2 人工智能
机器学习
神经与进化计算
摘要
在视觉场景中形成感知组并个体化物件是迈向视觉智能的关键一步。这种能力被认为源于神经元之间自下而上、水平与自上而下连接所实现的计算。然而,这些连接对感知分组的相对贡献尚不清楚。我们通过系统评估具有自下而上、水平与自上而下连接组合的神经网络架构来探讨这一问题,所用两个合成视觉任务分别强调用于感知分组的低层“格式塔”线索与高层物件线索。我们表明,仅依赖自下而上连接的网络在任一任务难度增大时学习均受困。水平连接通过支持渐进式分组解决了具格式塔线索任务上的受困,而自上而下连接通过修正关于目标物件位置的粗略预测,挽救了具高层物件线索任务上的学习。我们的发现区分了自下而上、水平与自上而下连接的计算作用,并证明兼具这些交互的模型能更灵活地学习形成感知组。
引用
@article{arxiv.1906.01558,
title = {Disentangling neural mechanisms for perceptual grouping},
author = {Junkyung Kim and Drew Linsley and Kalpit Thakkar and Thomas Serre},
journal= {arXiv preprint arXiv:1906.01558},
year = {2020}
}
备注
Published in ICLR 2020