Illusioni ottiche, immagini che ingannano l'occhio umano, sono un affascinante argomento di ricerca, poiché studiarli può fornire preziose informazioni sulla cognizione e percezione umana. Ricercatori della Flinders University, in Australia, hanno recentemente effettuato uno studio molto interessante utilizzando un modello di visione artificiale per prevedere l'esistenza di illusioni ottiche e il grado del loro effetto.

Nell'ultimo decennio, i ricercatori hanno raggiunto una comprensione biologica sempre più dettagliata di come il cervello umano elabora gli stimoli visivi. Molti modelli di visione artificiale esistenti traggono ispirazione dalla nostra attuale comprensione dell'elaborazione visiva. Ciò nonostante, alcuni aspetti dell'elaborazione visiva sono ancora poco compresi e molto dibattuti.

"L'elaborazione visiva inizia con le sensazioni dei campi recettivi retinici (RF) dalla luce in ingresso negli occhi, " hanno spiegato i ricercatori nel loro articolo, che è stato pre-pubblicato su arXiv. "Le cellule gangliari retiniche (RGC) sono i neuroni di uscita della retina che convertono l'input sinaptico dallo strato plessiforme interno (IPL) e trasportano il segnale visivo al cervello. La diversità dei tipi di RGC e la dipendenza dalle dimensioni di ciascun tipo specifico all'eccentricità ( la distanza dalla fovea) sono prove fisiologiche per la codifica multiscala della scena visiva nella retina. sono stati proposti modelli computazionali di basso livello della visione retinica basati sul campionamento simultaneo della scena visiva su più scale".

La ricerca passata ha introdotto un modello per rilevare le inclinazioni illusorie nell'illusione del Café Wall, che derivano dal contrasto dello sfondo e dai segnali di inclinazione. Nel loro studio, i ricercatori della Flinders University hanno generalizzato questo approccio, per coprire una gamma più ampia di illusioni geometriche, così come illusioni di piastrelle più complesse.

"Esploriamo la risposta di un semplice modello bio-plausibile di visione a basso livello su illusioni geometriche/piastrelle, riproducendo l'errata percezione della loro geometria, che abbiamo riportato per il Café Wall e alcune illusioni di piastrelle, " I ricercatori hanno scritto nel loro articolo. "Il modello non è stato finora verificato per generalizzare a queste altre illusioni, e questo è ciò che mostriamo in questo documento."

Nel loro studio, i ricercatori hanno valutato un modello di filtraggio computazionale progettato per modellare l'inibizione laterale delle cellule gangliari retiniche e le loro risposte a diverse illusioni geometriche. Adottando questo approccio, i ricercatori speravano di ottenere una migliore comprensione di queste illusioni, prevedere il grado del loro effetto.

"Sebbene l'errata percezione dell'orientamento nelle illusioni di inclinazione in generale possa suggerire spiegazioni fisiologiche che coinvolgono le cellule selettive dell'orientamento nella corteccia, il nostro lavoro fornisce prove per una teoria secondo cui l'emergere dell'inclinazione in questi modelli è iniziata prima di raggiungere le cellule selettive per l'orientamento, come risultato del noto meccanismo di codifica delle cellule retiniche/corticali, " hanno spiegato i ricercatori.

Globale, i risultati raccolti in questo studio suggeriscono che le differenze di Gaussian (DoG), un filtro che rileva i bordi nelle immagini, a più scale potrebbe aiutare a spiegare l'inclinazione indotta nelle illusioni di piastrelle e potrebbe anche aiutare a scoprire alcuni degli indizi illusori percepiti quando si osservano le illusioni geometriche. Inoltre, i ricercatori sono stati in grado di collegare i processi dal basso verso l'alto alla percezione e alla cognizione di livello superiore, in un modo che è coerente con la teoria della visione e del rilevamento dei bordi di David Marr.

Gli attuali modelli di visione artificiale per l'analisi delle illusioni geometriche sono piuttosto complessi, quindi potrebbero essere più difficili da applicare negli studi di ricerca. Secondo i ricercatori, studi futuri dovrebbero cercare di escogitare metodi meno sofisticati e più biologicamente plausibili per rilevare segnali visivi.

"Riteniamo che un'ulteriore esplorazione del ruolo di semplici modelli di tipo gaussiano nell'elaborazione retinica di basso livello, e kernel gaussiani nelle DNN in fase iniziale, e la sua previsione della perdita dell'illusione percettiva porterà a tecniche e modelli di visione artificiale più accurati e può potenzialmente orientare la visione artificiale verso o lontano dalle caratteristiche rilevate dagli esseri umani, " hanno scritto i ricercatori. "Questi effetti possono, a sua volta, ci si aspetta che contribuisca a modelli di livello superiore di elaborazione della profondità e del movimento e generalizzata alla comprensione del computer delle immagini naturali".

© 2019 Science X Network