- 3 次围观
视觉系统通过为刺激集合创建概要表征，来补偿其有限的信息处理能力。一个长期存在的争论是：概要统计量究竟是通过整合整个刺激集合中的信息计算得出，还是仅通过抽取其中部分项目进行采样获得。子采样之所以在直觉上具有吸引力，是因为：1）仅对少量项目进行整合可能会减少处理资源的消耗；2）采用这一策略的观察者模型能够有效再现集合编码的表现。在本研究中，我们系统评估了这两个方面。首先，我们表明，子采样模型表面上的成功依赖于一个存在问题的假设，即随着集合大小的增加，每个项目的感觉编码噪声保持不变。该假设意味着，以费希尔信息量化的总体编码资源会随集合大小的增加而不受约束地增长。在更为现实的总体编码资源有限的假设下，即随着集合大小增加，每个项目的编码精度随之下降，我们证明，对于任意集合大小，对整个集合进行整合的理想观察者均能以严格更小的总体资源预算达到相同的准确度。进一步地，我们表明，这一受资源约束的全整合模型能够以更为简约的方式解释集合编码行为，而且在多个已有数据集及新近采集的数据中，其解释效果同样出色。我们的发现对“子采样假说”的必要性提出了质疑，因为将整合限制在集合项目的一个子集内，相较于符合资源理性的全整合，并未带来理论上或解释上的优势。
视觉系统通过对刺激集合创建概括性表征，来弥补其有限的信息处理能力。一个长期存在的争论是：概括统计量究竟是通过整合整个集合中的信息计算得到的，还是仅通过抽样其中一部分项目计算得到的。子抽样之所以直观上具有吸引力，是因为：1）在较小的子集上进行整合，可能会减少处理资源的消耗；2）采用这一策略的观察者模型能够有效再现集合编码的表现。在本文中，我们系统地评估了这两个方面。首先，我们表明，子抽样模型表面上的成功依赖于一个存在问题的假设：随着集合大小增加，每个项目的感觉编码噪声保持不变。该假设意味着，总编码资源（以费舍尔信息量化）会随着集合大小的增加而不受约束地增长。在总编码资源有限这一更为现实的假设下，即随着集合大小增加，每个项目的编码精度会下降，我们证明，对于任意集合大小，对整个集合进行整合的理想观察者都能够以严格更小的总资源预算达到相同的准确率。我们进一步表明，这一受资源约束的全整合模型能够以更为简约的方式，同样良好地解释多个已有数据集以及新收集数据中的集合编码行为。我们的研究结果对“子抽样假设”的必要性提出了质疑，因为将整合限制在集合项目的一个子集内，相较于资源理性的全整合，既没有理论上的优势，也没有解释上的益处。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.11.750959v1?rss=1
🏷️ 视觉系统 集合编码 子采样假说 费希尔信息 资源限制模型
来源出处