使用稳定扩散合成高分辨率自然风景图像并进行感知比例刻画

自然风景场景是视觉感知研究的关键关注对象，但控制其感知和语义属性具有挑战性。以往关于自然风景的工作常常聚焦于具有显著物理差异的离散图像集合。然而，评估沿连续轴变化的自然风景图像表示往往是更理想的。传统方法通过对源图像和目标图像进行变形来获得感知连续变化，这种变化主要由低层次物理特征驱动，可能导致语义模糊的结果。更近期地，使用生成对抗网络（GAN）生成刺激类别内的感知连续变化。本文扩展并概括了这一方法，采用不同的机器学习方法——文本到图像扩散模型（Stable Diffusion XL），生成可自定义的光照样本集合，其特征为渐进的感知变化，每个图像代表所提示类别中的唯一典型。我们通过生成 108 个对象场景（来自 6 个类别）来演示该方法。对于每个对象场景，我们生成 10 个变体，这些变体沿感知连续轴排列。该排序首先使用感知相似性模型（LPIPS）估计，然后通过大规模在线人类参与者进行验证。在随后的实验中，我们展示了这种排序也能预测工作记忆实验中刺激的混淆程度。该图像集适用于研究视觉感知、注意和记忆中自然刺激的梯度编码。