系统性图像扰动揭示人类与机器视觉之间持续存在的差距

深度神经网络（DNN）是理解视觉物体识别的有前景的计算模型。然而，DNN是否像人类一样在物体识别中使用相似的视觉线索，仍然未知。我们构建了一套图像集合，系统地剥离了整体形状、内部部件和纹理信息，并将人类的识别行为与200多个涵盖多样化架构、训练数据配置和训练目标的DNN进行了比较。结果表明，没有任何DNN能够复现人类的线索依赖特征，包括那些具有循环机制或经过专门训练的模型。经过微调的文本—图像对比学习模型，无论其架构如何，在整体上最接近人类，但当整体形状被破坏时，它们与人类的一致性便会丧失。值得注意的是，当仅有整体形状线索对物体识别至关重要时，所有DNN的表现都显著逊于人类。此外，与现有数据库中腹侧通路神经记录的一致性并不能预测与人类行为的一致性，而模型性能也并不总能预测其与人类的一致程度。总之，这些发现揭示了人类视觉与机器视觉之间系统性且持续存在的差异。

| bioRxiv 跳到主要内容 首页 关于 提交 提醒 / RSS 搜索该关键词 高级搜索 帮助 2013-08-15 周四 16:02 -- hwadmin 阅读更多 关于帮助 广告 2013-08-15 周四 16:02 -- hwadmin 阅读更多 关于广告 编辑委员会 2013-08-15 周四 16:02 -- hwadmin 阅读更多 关于编辑委员会 关于我们 2013-08-15 周四 16:02 -- hwadmin 阅读更多 关于我们 患者 2013-08-15 周四 16:02 -- hwadmin 阅读更多 关于患者 广告商 2013-08-15 周四 16:02 -- hwadmin 阅读更多 关于广告商 机构 2013-08-15 周四 16:02 -- hwadmin 阅读更多 关于机构 订阅者 2013-08-15 周四 16:02 -- hwadmin 阅读更多 关于订阅者 审稿人 2013-08-15 周四 16:02 -- hwadmin 阅读更多 关于审稿人 作者 2013-08-15 周四 16:02 --

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.01.742229v1?rss=1

🏷️ 机器视觉 深度神经网络 物体识别 视觉线索 人机差异