通过主动高效编码学习中央凹与周边视觉的分层整合以用于控制辐辏
计算机视觉与模式识别
2021-03-10 v1
摘要
主动高效编码（AEC）框架简洁地解释了视觉处理与眼动的联合发展，例如双眼视差选择性神经元和融合辐辏（使左右眼图像对齐的离散眼动）的出现。辐辏可由中央凹与周边中的信息共同驱动，二者扮演互补角色。高分辨率的中央凹可驱动精确的短程运动。较低分辨率的周边支持较粗的长程运动。中央凹与周边也可能包含冲突信息，例如由于不同深度的物体。尽管过去的 AEC 模型确实整合了周边与中央凹信息，但并未显式考虑这些特性。我们在此提出一种考虑这些特性的两级分层方法。底层由中央凹和周边区域生成不同的辐辏动作。顶层选择其中之一。我们证明该分层方法在真实环境中优于先前方法，表现出更好的对齐与更少的振荡。
引用
@article{arxiv.2103.05100,
title = {Learning Hierarchical Integration of Foveal and Peripheral Vision for Vergence Control by Active Efficient Coding},
author = {Zhetuo Zhao and Jochen Triesch and Bertram E. Shi},
journal= {arXiv preprint arXiv:2103.05100},
year = {2021}
}