2013.10.15 知覺心理學 (五) Perceiving Objects and Scenes

2013.10.15 知覺心理學 (五)  Perceiving Objects and Scenes
Outline：

• The puzzle of Object and Scene Perception：(Ambigous)
• Inverse projection problem：投影於視網膜的影像，可以由無限多形狀所構成，換言之，視網膜感應外界的光線，進而形成影像，然投影結果為2D影像，且於不同距離、不同形狀，可以有相同的投影結果，然而，視覺系統可以辨別出不同、遠近之物體，可見其並非只是單純重現所接收之影像，勢必有其他因素參與。
• 人類的視覺系統依循過往經驗、對環境之理解，以及知覺處理之原則，而對影像進行解釋。
• 視覺機器設計上之困難包含：
• Objects can be hidden or blurred：即便物體可能被遮蔽或者模糊，但人的視覺系統仍可以判讀內容，然機器則無法。(近似form consistency)
• Objects look different from different viewpoints：對於相同物體或者人的不同面向，人的視覺系統可以辨識並且接受，目前機器僅可辨識對稱的正臉，但其他角度則困難。
• Perceptual Organization：Grouping &Segregation
• Structuralism(Wundt, late 1800s)：相信視知覺為刺激輸入之整合，佐以個人經驗而得，因此部分之總和可為全體。然而，此說法無法解釋光點閃爍造成知覺上的光點移動(apparent movement)，如跑馬燈。
• Gestalt Psychology(Max Wertheimer)：反對structuralism的論點，認為整體並非是部分的總和，並對apparent movement進行解釋。
• apparent movement並非單純感覺所產生，因為兩光點間並沒有實際的刺激存在。
  note：structuralism VS Gestalt psychology，前者部分總和為全體，後者則否定此理論。
• 「片段的疊加並非整體，整體並非全部的疊加」。
• Principles of perceptual organization：描述視覺對於外界資訊之處理程序，可粗分為兩種：一種是組合(grouping)的能力，另外一種則是分別(segregation)的能力。
  (note：目前僅有Good continuation有神經作用的研究，後續尚未有相關研究成果)
• Grouping (連續、完形、相似、靠近、移動、區域內、同性質)
• Good continuation：如果線段近似直線或者有圓滑曲線，換言之看起來是延續且可以合理連接，則視覺系統傾向將其組織為同一單位，如連續的繩子。
• 於V1 cortex，利用染劑看單一神經元訊號傳遞的方向，發現orientation column有其特定的走向，換言之，當其中一個方向的orientation column被激發的同時，其會與其他location column的orientation column有緊密的聯繫，或可解釋何以連續且合理連接的線段容易被組織在一起。
• Field et al(1993)發現，其不同location column中的orientation之間是有聯繫的，因而可以解釋good continuation的作用機制。
• Pragnanz(good figure or simplicity)：傾向以簡單的方式理解圖形，如奧運圈會解釋為五個圓形，而非各種細碎的圖形組合。
• Similarity：傾向將相同特質的刺激歸類於同一組，如顏色、材質。
• Proximity；傾向將靠近的物件組合在一起。
• Common fate：物體於相同方向移動時，傾向視為同一單位，如飛行的鳥。
• Common region：出現於相同區域內的物體，傾向將其視為一體，然此與接近性有所差異，取決於區域的定義。
• Uniform connectedness：連續且具有相同特質之物體，如相同材質、顏色者，系統傾向將其組合在一起。
• Segregation(主題背景之區辨)
• Figure-ground segregation：通常圖形傾向是熟悉的物件，而背景多為面積廣泛且特色較一致的圖形，此外，於邊界也存在其歸屬問題(border ownership)，此可能與V2 cortex中少量特定區域之細胞作用相關。
• Image-Based factors that determine which area is figure：
• Ehersetin(1930) & Koffka (1935)的研究：
• 系統傾向將下方的物件視為主體，可能與平常的風景上風為天空相關。
• Subjective Factors That Determine Which Area is figure：
• Peterson & Salvagio(2008)的研究：
• 傾向將邊緣凸起者視為主體，即便於單純兩個比較中已經有少量的傾向。
• 當圖形數量越多的時候，其主題背景區辨傾向越明顯。
• 操弄其他因子，發現顏色越一致者容易被視為背景。
• Max Wertheimer (1912)的研究：
• 討論W與M之圖形判讀問題，當兩者並非完全連接時，受試者傾向視為W騎在M上面；當兩者放大連接後，則會視為圖形而非有意義之文字。
• 本研究之意義，在於視覺系統在辨識之前會先區分出主題與背景，再透過認知區辨其意義，顯示視覺系統有處理順序上的優先順序。
• Gibson and Mary Peterson (1994)的研究：
• 提供類似站立女性的圖樣，以及180度翻轉(倒)後的圖樣，提供受試者判讀主題與背景。
• 結果顯示，有人形意義的圖形較容易被視為主體，如本研究中的女性。
• Gestalt psychologists相信經驗與意義在知覺上的影響較弱，然而實際上，對於有特定意義，如人形的物件，較容易成為主體。
• Preceiving Scenes and Objects in Scenes：
  note：背景(Scene)乃現實世界之環境，其中可能包含有意義與無意義的物件，而觀察者須能於現實情境中察覺何者為主體、何者為背景。
• Gists of scene：
• Potter (1976)的研究，提供短暫的多張圖片影像，並且詢問受試者是否有看到特定影像。
• 結果顯示，平均影像只需呈現1/4秒，即可被偵測且辨識。
• Fei-Fei (2007)的研究，以masking方式阻斷視覺暫留以減少干擾，要求受試者描述其知覺到的東西：
  ＊masking：由於存在視覺暫流(persistence of vision)，因此即便只提供100ms的刺激，其仍會暫流約250ms，因此masking則是透過給予另外一個亂數刺激，進而干擾暫留進而將刺激控制在100ms中。
• 27ms約只有黑白差異，40ms僅有模糊的影像，67ms可以辨識出人形並有部細節，而500ms可清楚看到整體影像。
• 結論而言，時間越長，可以辨識的細節越多越精確。
• Global image features of scenes： 何以視覺影像可於如此短暫的時間內被辨識，以下將以此為主題討論之。
• Oliva & Torralba(2001 and 2006)的研究：對於觀察現實情境之影像，視覺系統傾向以全面、粗略且迅速的方式擷取之，並將這些特徵稱為Gbobal image features of scnens。
• 自然程度(naturalness)：自然的景象，如海洋、森林、波動等等，往往以垂直、水平的方向構成。
• 透明程度(openness)：開放景象，重視視野開放之程度，如海洋屬於高開放度，而森林、街道則否。
• 粗糙程度(roughness)：可以複雜程度區分之，如海洋的平滑程度較高、構圖也相對簡單，然而森林則有許多小細節交錯，因而複雜度高。
• 開展程度(expansion)：開展程度，特別是以觀察者的觀點而言，如向前延伸的街景則為開展度高，然而看向旁邊的建築則會呈現開展度低。
• 顏色(color)：顏色的多元性與複雜程度。
• Regularities：視知覺受物理性與意義性的影響。
• Physical regularities：物理性的特質，包含方向性與顏色。
1. Oblique effect：通常人的視覺系統傾向偵測水平或者垂直的刺激，對斜向的刺激較不敏感。
2. Uniform connectedness：物件的形狀與造型，影響其歸類系統。
3. Homogenous colors and nerby ojbects：相同的材質或者顏色，傾向歸類於相同的物件。
4. Light-form-above heuristic assumption：大多的情況假設光線來自於上方，因而光影出現在上方則會視為凸出，光影呈現於下方則為凹陷。
• Semantic regularities：知識、意義性的特質。
1. Palmer exp.(1975)的結果顯示，情境相關的東西其偵測能力較好。
2. Oliva & Torrabla(2007)的結果則表示，相同的模糊影像，在不同情境中有不同的意義解讀。
• Unconscious inference：知覺往往建立於一些無意識的假設，此屬於較高知覺(近似認知)的層級影響。
• Helmoholtz (1866)相信，解釋知覺的方式不僅只有一種。
• Likelihood principle：基於知識將看到的物件與知識中最接近的連結，因此上述的情境將影響知覺的判斷。
• Bayesian inference ：認為物件出現於特定場域的機率判斷，如冰箱出現於廚房與廁所的機率有所不同。(key word：條件機率)
• Connecting Neural Activity and Object Perception：
• Grill-Spector Exp, (2004)：
• 給予50ms刺激，使用mask，並且觀察受試者的反應。
• 刺激可能是Harrison Ford的臉，另外一個人的臉，或者隨便一段文字；受試者的反應可能是，Harrison Ford、另外一個人，或者是沒有東西。
• 結果顯示，如果出現的不是臉，則FFA區域的反應趨近於無；而如果出現的是可辨識的臉，則其反應會特別高。
• Sheinberg & Logothetis (1997)：讓左眼與右眼看到不同的東西，觀察知覺形成的結果，以猴子為研究對象。
• 讓猴子右眼看蝴蝶，左眼看太陽的影像，並且訓練猴子回報其所看到的是太陽或者是蝴蝶(feedback)。
• 結果發現，於IT區域知覺到蝴蝶時反應大，知覺到太陽時反應小，即便在視網膜上的刺激是一致的(也就是左右眼都同時看著蝴蝶與太陽，但是知覺注意的圖形會彼此輪替)。
• 此外，也發現其知覺會於左眼與右眼交替出現，此稱為Binocular rivalry。
• 此作用必然發生於大腦中，並且此交替將造成神經細胞的激活與否轉變。
• Tong et al (1998)：利用紅綠眼鏡，將人臉與房子分別投射在不同眼睛中，結果發現人臉的活化區與房子的活化區，在不同的區域中，且隨知覺而轉變。
• 其也比較影像重疊以及不重疊的刺激，結果顯示：
• 當知覺到房子時PPA(與空間、相對位置相關)的反應最強；而知覺到人臉時FFA的反應較大，而中間狀態的活化程度相似，可知其有高度相關性。
• 於重疊影像與不重疊影像時，有相似的結果，也支持知覺與神經活化之間的關係。
• 結果也支持，儘管視網膜上的影像相同，但仍有其他因素促使知覺之產生。
• Reading the brain？是否有機會反過來，只讀取大腦而預測所知覺到的東西？
• Kamitani & Tong (2005)：其以fMRI掃描大腦而得，以fRMI voxels呈現(其解析度，恰似一個location column的大小) 
• 呈現各種刺激，收集所有腦區的voxels與刺激之間的關聯性。
• 結果發現，單一voxel中，對於不同角度刺激的反應相似。
• 歸納不同角度敏感的voxels後，如收集所有45度及135度反應之voxels時，發現其對於特定角度有明顯的差異。
• 結果顯示，對於簡單圖形的刺激，可透過大腦訊號的解讀而預測(僅限於簡單圖形)。
  P.s) 假使此技術成熟，或可將夢中的事件紀錄。
• Naselaris et al (2009)：簡言之，其使用複雜的影像(如真實照片)分析之，透過大量資料的輸入並且分析，並且透過此大腦訊息重組以預測看到的視野。
• 其假設模型：
• 對特定結構的分析模型
• 對空間頻率的分析模型(如顏色鄉間出現頻率的偵測)
• 對自然外界影像的傾向模型
• 結合的模型
• 影響因子：
• 結構
• 意義
• 結果：
• 單純結構的重組，其可以得到特定的內容，但不夠完善。
• 如果加上意義的分析，會較為精確，但未必是正確的。
• 結論：目前的技術，僅能得到大致的影響，如是在哪種地方的風景，可透過輸入的data base中找出類似的影像，然其對於細節的處理能力仍十分有限。
  P.s) 於 2011的更新，其對影像進行分析預測，結果發現其僅有block水平的影像，且對於人臉有較佳的偵測性，然仍為未成熟之技術。
• Gilad et al (2009)：人的視覺系統，對於照片的反應，對於正片的反應好，但對於負片的反應則不佳。
• note；看Labs 5.11and 5.16。