基于相位同步跟踪外观变化的目标
人工智能
2025-03-04 v3 计算机视觉与模式识别
神经元与认知
摘要
我们经常遇到的物体会随着我们与之交互而发生外观变化。照明（阴影）、物体姿态或非刚性物体的运动会极大地改变可用图像特征。生物视觉系统如何跟踪物体在其外观变化时的位置？一个可行的机制涉及独立于其外观推理物体位置的注意力机制——这种能力与神经同步计算相关联。我们描述了一种新型深度学习电路，能够学习通过神经同步精确控制注意力以独立于其在世界中位置来特征。接下来，我们使用 FeatureTracker 对比了人类、CV-RNN 与其他深度神经网络（DNN）的目标跟踪，使用 FeatureTracker：一个大规模挑战，该挑战要求观察者跟踪物体的位置和外观在受精确控制的方式下变化。尽管人类轻松解决了 FeatureTracker，最先进的 DNN 并未如此。相比之下，我们的 CV-RNN 在该挑战中行为方式类似于人类，为相位同步作为跟踪外观形变物体作为它们在世界中移动方式的神经基质提供了计算上的概念证明。
引用
@article{arxiv.2410.02094,
title = {Tracking objects that change in appearance with phase synchrony},
author = {Sabine Muzellec and Drew Linsley and Alekh K. Ashok and Ennio Mingolla and Girik Malik and Rufin VanRullen and Thomas Serre},
journal= {arXiv preprint arXiv:2410.02094},
year = {2025}
}