几何与光照在材料识别中的联合作用

观察并识别材料是我们日常生活的基本组成部分。在典型观测条件下，我们能够毫不费力地辨认周围物体并识别其构成材料。然而，理解为准确辨别物体视觉属性所发生的潜在感知过程是一个长期存在的问题。本工作中，我们针对几何、光照及其空间频率的相互作用如何影响人类在材料识别任务上的表现，进行了全面而系统的分析。我们开展了大规模行为实验，要求参与者从一组候选样本中识别不同的参考材料。在不同实验中，我们仔细地对刺激的频率域信息进行采样。由分析可知，参考样本与候选样本的几何与光照之间存在显著的一阶交互作用。此外，我们观察到简单的图像统计与高阶图像直方图均不与人类表现相关。因此，我们通过训练深度神经网络执行材料识别任务，对高度非线性统计进行了高层比较。我们的结果表明，此类模型能准确分类材料，这意味着它们能够从标记的近端图像数据中定义出材料外观的有意义表示。最后，我们发现了初步证据，表明这些高度非线性模型与人类可能使用相似的高层因素来完成材料识别任务。