自然场景统计的高效编码预测灰度纹理的辨别阈值
神经元与认知
2020-07-14 v2
摘要
此前，在(Hermundstad et al., 2014)中，我们表明当采样受限时，高效编码原理导致“方差即显著性”假说，且该假说解释了视觉对二值图像统计的敏感性。此处，利用广泛的新心理物理数据与图像分析，我们表明该假说在惊人细节层面上解释了视觉对一大组灰度图像统计的敏感性，并确定了预测的局限。我们定义了一个66维的局部灰度光强相关空间，并测量每个方向对自然场景的相关性。“方差即显著性”假说预测两点相关最显著，并预测其相对显著性。我们在一个使用非自然合成纹理的纹理分割任务中检验了这些预测。如预测所示，二阶以上的相关不显著，且对超过300个二阶相关的预测阈值与心理物理阈值紧密吻合（中位分数误差<0.13）。
引用
@article{arxiv.1912.05433,
title = {Efficient coding of natural scene statistics predicts discrimination thresholds for grayscale textures},
author = {Tiberiu Tesileanu and Mary M. Conte and John J. Briguglio and Ann M. Hermundstad and Jonathan D. Victor and Vijay Balasubramanian},
journal= {arXiv preprint arXiv:1912.05433},
year = {2020}
}
备注
33 pages, 12 figures