基于顺序主曲线分析的颜色视觉非线性和适应性
机器学习
2016-02-02 v1 神经元与认知
摘要
人类颜色视觉的机制由两个现象学方面表征：该系统是非线性的，并且适应变化的环境。从统计中推导这些特征的传统尝试对每个方面使用单独的论证。少数确实同时考虑两种现象的统计方法遵循基于经验模型的参数化公式。因此，可以说该行为并非直接来自颜色统计，而是来自所采用的便利函数形式。此外，许多时候整个统计分析基于简化的数据库，这些数据库忽略了输入信号中的相关物理效应，例如通过假设平坦朗伯表面。此处我们处理对以下两者的同时统计解释：(i) 在固定适应状态下无色和有色机制的非线性行为，以及 (ii) 此种行为的变化。这两种现象通过单一数据驱动方法直接从样本中出现：带局部度量的顺序主曲线分析(SPCA)。SPCA是一种新的流形学习技术，使用不同最优性准则推导一组适应于流形的传感器。收集了在这些光源下自然物体的比色校准图像新数据库。应用SPCA获得的结果表明，在颜色辨别阈值、光源折扣以及非对称颜色匹配中的对应对上的心理物理行为，在假定无先验函数形式的情况下直接从现实数据规律中出现。这些结果为颜色传感器的统计驱动组织假说提供了更强的证据。此外，所获得的结果表明，在这一低抽象层次的色彩感知可能由误差最小化策略而非信息最大化原理指导。
引用
@article{arxiv.1602.00236,
title = {Nonlinearities and Adaptation of Color Vision from Sequential Principal Curves Analysis},
author = {Valero Laparra and Sandra Jiménez and Gustavo Camps-Valls and Jesús Malo},
journal= {arXiv preprint arXiv:1602.00236},
year = {2016}
}