- 3 次围观
人类视觉系统整合静态和动态信息以支持对形式和形状的知觉，然而，关于运动信息如何被整合用于物体识别的计算原理仍不明确。人工神经网络（ANN）为发展和检验有关这些原理的假设提供了一个计算框架：如果在运动相关任务上训练的人工神经网络能够形成与脑活动相一致并支持物体分类的表征，这将表明，这些网络的训练目标和架构约束可能捕捉到了生物视觉系统中运动加工的一般关键方面，尤其是服务于物体识别的运动加工。在本研究中，我们使用“物体运动图”（object kinematograms）来考察这一问题，这是一类仅通过运动线索传达物体形状的刺激。我们测量了外侧视觉通路和背侧视觉通路中两个对来自物体的动态线索高度敏感的高级脑区，以及初级视觉皮层（V1）的神经反应，这两个高级脑区分别为外侧枕颞皮层（LOTbio）和左侧缘上回（SMGlh）。我们将脑反应与从两个神经网络中提取的表征进行比较：SlowFast——一种在动作识别任务上训练的双通路架构，能够通过跨通路整合处理缓慢变化和快速变化的视觉信息；以及 DorsalNet——一种灵长类背侧视觉通路模型，在具身自我运动估计任务上进行训练。表征相似性分析揭示了不同脑区间截然不同的表征特征，表明基于运动的形状加工存在功能专门化。LOTbio 与 SlowFast 模型的慢通路最为吻合，而 SMGlh 则与两个模型都表现出较强相似性。关键的是，我们发现，与脑活动更为一致的表征也更能支持行为功能：完整的 SlowFast 模型结合了慢、快两条通路，在物体运动图的少样本分类任务中优于其他模型，并且与人类知觉判断表现出最高的相似性。这些发现表明，在具备适当归纳偏置的条件下，具体而言，多尺度运动加工的双通路架构以及聚焦于动态视觉任务的训练目标，人工神经网络能够发展出在功能上有用的、由运动定义的形状表征，并且这些表征与参与动态视觉信号加工的视觉脑区表现出更好的对应关系。
人类视觉系统整合静态与动态信息以支持对形式和形状的知觉，然而，运动信息在物体识别中如何被整合的计算原理仍不清楚。人工神经网络（ANN）为发展和检验关于这些原理的假设提供了一个计算框架：如果在运动相关任务上训练的人工神经网络能够发展出与脑活动相一致并支持物体类别化的表征，那么这将表明，这些网络的训练目标和架构约束可能捕捉到了生物视觉系统中运动加工的一般关键方面，尤其是服务于物体识别的运动加工。
在此，我们利用“物体运动图”（object kinematograms）来研究这一问题，这类刺激中物体的形状信息完全由运动线索传达。我们测量了外侧视觉通路和背侧视觉通路中两个对来自物体的动态线索具有强敏感性的高级脑区的神经反应，分别是外侧枕颞皮层（LOTbio）和左缘上回（SMGlh），以及初级视觉皮层（V1）。我们将脑反应与从两个神经网络中提取的表征进行了比较：SlowFast——一种在动作识别任务上训练的双通路架构，可通过跨通路整合处理缓慢变化和快速变化的视觉信息；以及 DorsalNet——一种灵长类背侧视觉通路模型，在具身自运动估计任务上训练。
表征相似性分析揭示了不同脑区之间截然不同的表征特征，表明基于运动的形式加工存在功能专门化。LOTbio 与 SlowFast 模型的慢通路最为吻合，而 SMGlh 则与两个模型均表现出较强相似性。关键的是，我们发现，与脑活动更一致的表征也更好地支持行为功能：完整的 SlowFast 模型同时包含慢通路和快通路，在物体运动图的少样本类别化任务中优于其他模型，并且与人类知觉判断表现出最高的相似性。
这些发现表明，在具备适当归纳偏置的情况下——具体而言，用于多时间尺度运动加工的双通路架构，以及聚焦于动态视觉任务的训练目标——人工神经网络能够发展出在功能上有用的、由运动定义的形式表征，并且与参与动态视觉信号加工的视觉脑区表现出更好的对应关系。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.06.743321v1?rss=1
🏷️ 运动表征 视觉通路 物体识别 表征相似性 人工神经网络