视觉模型是否如人类一样感知静态图像中的错觉运动？

理解人类运动处理机制对于构建可靠的以人类为中心的计算机视觉系统至关重要。尽管深度神经网络（DNN）在光流估计算方面取得了强大的性能，但它们仍不如人类稳健，且依赖于根本不同的计算策略。视觉运动错觉为探究这些机制提供了强大的工具，揭示了人类与机器视觉的一致性或差异性。虽然最近的DNN-based运动模型可以再现动态错觉（如reverse-phi），但是否能感知静态图像中的错觉运动（以Rotating Snakes错觉为例）仍不明确。我们对多种代表性光流模型进行评估，发现大多数模型无法生成与人类感知一致的光场场。 在模拟拟作视觉运动的条件下，只有基于人类灵感的Dual-Channel模型展现出预期的旋转运动，且在拟作条件下呈现最接近的对应关系。消融分析进一步表明，亮度基准和更高阶色彩-特征基准运动信号均贡献了这种行为，且循环注意力机制对于整合局部线索至关重要。我们的结果凸显了当前光流模型与人类视觉运动处理之间的重大差距，并为开发更贴近人类感知的人类中心运动估计系统提供了启示。