.png){kind=icon}
返回
Machine learning modelling for multi-order human visual motion processing
.png){kind=icon}
OA
AI
DOI：10.1038/s42256-025-01068-w.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视觉运动知觉是智能体与环境交互的关键功能。尽管近年来基于深度神经网络的光流估计在准确性上已超越人类水平，但仍有显著差距。除了在亮度依赖的一阶运动知觉方面的局限性外，人类还能感知高阶特征的物体运动——而依赖强度守恒定律的传统光流模型缺乏这一能力。为解决此问题，我们提出一种双通路模型，模拟皮层V1-MT运动处理通路。该模型使用可训练的运动能量传感器库和循环图网络处理基于亮度的运动，并加入一条额外通路，通过多层3D CNN模块进行非线性预处理以捕捉高阶运动信号。我们假设高阶机制对于在包含复杂光学波动的自然环境中（例如光滑表面的高光）稳健估计物体运动至关重要。通过在具有不同材料属性的物体运动数据集上进行训练，我们的双通路模型自然发展出感知多阶运动的能力，这与人类一致。该模型在有效模拟生物系统的同时，实现了对自然场景中基于亮度和高阶运动现象的泛化。Sun及其同事提出了一种受生物启发的双通路模型，该模型通过在自然环境和多样化材料上训练，学习感知一阶（亮度依赖）和二阶（特征依赖）运动，实现了类人性能。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。