V1 中的自然图像编码：方向选择性有多大用处？
神经元与认知
2015-05-13 v2
摘要
方向选择性是 V1 区简单细胞编码最显著的特征，大量统计图像模型已表明，该特征源于对自然图像中高阶相关性的约化。这些模型中最简洁的是线性独立成分分析（ICA），而主成分分析（PCA）等二阶去相关变换则不会产生有方向性的滤波器。基于这一发现，有人提出方向选择性的出现可能可以用高阶冗余约化来解释。为了评估这一假设的可靠性，一个重要的实证问题是：与 PCA 或其他二阶去相关方法相比，ICA 能额外消除多少冗余？这个问题尚未得到解决，因为在过去十年中，报告的结果相互矛盾，从 ICA 额外增益低于 5% 到超过 100% 不等。在此，我们旨在通过使用三个与冗余约化相关的评估标准进行非常仔细和全面的分析来解决这一矛盾：除了多信息和平均对数损失之外，我们首次计算了 ICA 与 PCA 的完整率失真曲线。无一例外地，我们发现 ICA 滤波器的优势出奇地小。此外，我们证明了一个仅有两个参数的简单球对称分布甚至比 ICA 背后的概率模型能更好地拟合数据。由于球对称模型对特定的滤波器形状不敏感，我们得出结论，方向选择性不太可能在冗余约化中起关键作用。
引用
@article{arxiv.0810.2872,
title = {Natural Image Coding in V1: How Much Use is Orientation Selectivity?},
author = {Jan Eichhorn and Fabian Sinz and Matthias Bethge},
journal= {arXiv preprint arXiv:0810.2872},
year = {2015}
}