- 3 次围观
某些图像总是比其他图像更容易被记住，这种刺激属性被称为记忆性；深度神经网络（DNN）也日益被用于估计图像记忆性，以取代人类观察者。近期一种观点认为，记忆性高的图像能够被更高效地加工。我们认为，记忆性也可以被视为信号质量，因此，高效加工应当能够抵抗噪声。我们比较了最先进（SOTA）模型对记忆性的估计与人类在连续再认任务中的表现，发现随着图像受到逐渐增强的高斯噪声和模糊干扰，两者的记忆性变化趋势始终存在分歧：在噪声作用下，模型会低估记忆性高的图像，却高估记忆性低的图像，这种模式类似于随机共振。相比之下，噪声会降低人类对记忆性的估计，但记忆性高的图像能够抵御这种影响。我们发现，这种分歧源于传统模型会受到噪声导致的图像间注意力变化的影响，而人类则会学习图像彼此之间的关系。基于这些发现，我们开发了 GraphMem：一种根据图像之间的关系结构，而非单张图像的特征来估计记忆性的模型。在存在噪声和模糊干扰时，GraphMem 对记忆性的估计优于 SOTA 模型，且与人类数据最为吻合。这些发现提示，不应依赖传统的、基于 DNN 的模型来估计新图像的记忆性；同时也表明，在视觉模型中对关系结构进行建模，能够得到更符合人类表现的记忆性估计。
mwiener{at}gmu.edu
摘要
信息/历史记录
指标
数据/代码
PDF 预览
摘要
有些图像总是比其他图像更容易被记住，这种刺激属性称为可记忆性。深度神经网络（DNN）正越来越多地被用于估计图像的可记忆性，以取代人类观察者。近期的一种观点认为，容易记住的图像能够得到更高效的加工。我们认为，可记忆性也可以被视为信号质量，因此，高效加工应当能够抵御噪声。我们将最先进（SOTA）模型的可记忆性估计与人类在连续再认任务中的表现进行比较，发现随着图像受到逐渐增强的高斯噪声和模糊干扰，两者在可记忆性变化方面持续呈现分歧：有噪声时，模型会低估高可记忆性图像的可记忆性，却高估低可记忆性图像的可记忆性，这一模式类似于随机共振。相比之下，噪声会降低人类对可记忆性的估计，但高可记忆性图像能够抵御这种影响。我们发现，这种分歧源于传统模型会受到噪声如何改变其在不同图像间的注意分配方式的影响，而人类则会学习图像之间的关联。基于这些发现，我们开发了 GraphMem，这是一种根据图像之间的关系结构而非单幅图像的特征来估计可记忆性的模型。在噪声和模糊条件下估计可记忆性时，GraphMem 的表现优于最先进模型，且与人类数据最为吻合。这些发现提醒我们，不应依赖传统的基于 DNN 的方法来估计新图像的可记忆性；同时也表明，在视觉模型中对关系结构进行建模，能够产生更接近人类的可记忆性估计。
利益冲突声明
作者声明不存在利益冲突。
脚注
https://doi.org/10.17605/OSF.IO/W5JTM
已声明的资助方信息
美国国家科学基金会
，2508756
版权
本预印本的版权归作者／资助方所有，其已授予 bioRxiv 永久展示该预印本的许可。
该预印本依据
CC-BY 4.0 国际许可协议
公开。
返回顶部
上一篇
下一篇
发布于 2026 年 10 月 24 日。
下载 PDF
数据／代码
电子邮件
感谢您有意帮助传播 bioRxiv 的信息。
注意：我们请求提供您的电子邮件地址，仅用于确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
收件人
*
请在不同的行中输入多个地址，或以逗号分隔。
您即将向以下对象发送电子邮件
《噪声对人类心智与机器记忆性的影响》
邮件主题
（您的姓名）向您转发了 bioRxiv 上的一个页面
邮件正文
（您的姓名）认为您可能会想查看 bioRxiv 网站上的这个页面。
您的个人留言
验证码
此问题用于确认您是真人访客，并防止自动垃圾信息提交。
分享
《噪声对人类心智与机器记忆性的影响》
Huiyu
Ding，
Martin
Wiener
bioRxiv
2026.10.19.759153；
doi：
https://doi.org/10.64898/2026.10.19.759153
分享本文：
复制
引用工具
《噪声对人类心智与机器记忆性的影响》
Huiyu
Ding，
Martin
Wiener
bioRxiv
2026.10.19.759153；
doi：
https://doi.org/10.64898/2026.10.19.759153
引用管理器格式
BibTeX
Bookends
EasyBib
EndNote（带标签）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google +1
学科领域
神经科学
学科领域
所有文章
动物行为与认知
（8164）
生物化学
（19027）
生物工程
（15171）
生物信息学
（45358）
生物物理学
（22958）
癌症生物学
（20118）
细胞生物学
（27313）
临床试验
（138）
发育生物学
（14148）
生态学
（21400）
流行病学
（2067）
进化生物学
（25814）
遗传学
（16349）
基因组学
（23845）
免疫学
（19031）
微生物学
（43198）
分子生物学
（18346）
神经科学
（95148）
古生物学
（713）
病理学
（3035）
药理学与毒理学
（5200）
生理学
（8287）
植物生物学
（16272）
科学传播与教育
（2116）
合成生物学
（4647）
系统生物学
（10389）
动物学
（2427）
关键词：图像记忆性 · 视觉记忆 · 高斯噪声 · 深度神经网络 · 关系结构建模
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.19.759153v1?rss=1