Modelos computacionales revelan que la física intuitiva y las señales estadísticas contribuyen por separado a la...

Área de la Ciencia:

• Visión Computacional
• Ciencia Cognitiva
• Dinámica de Fluidos

Sus antecedentes:

• La percepción de líquidos está poco explorada en la visión computacional debido a la compleja dinámica de los líquidos.
• Los modelos existentes a menudo se basan en estadísticas de imágenes y movimiento de alto nivel.

Objetivo del estudio:

• Investigar la base computacional de la percepción de la viscosidad de los líquidos.
• Comparar modelos estadísticos con modelos basados en la física de la percepción de líquidos.

Principales métodos:

• Desarrollo y prueba de modelos computacionales de percepción de la viscosidad de los líquidos.
• Realización de un estudio conductual en el que los humanos juzgaron la similitud de la viscosidad en diversas animaciones de líquidos.
• Comparación del rendimiento del modelo con los juicios humanos.

Principales resultados:

• Un novedoso modelo basado en la física, Ripple, explicó significativamente los juicios humanos más allá de los modelos estadísticos.
• Las representaciones estadísticas de viscosidad convergieron en diferentes arquitecturas de modelos (DNN, modelo fundacional).
• El rendimiento de Ripple se mantuvo distinto de los modelos estadísticos.

Conclusiones:

• La percepción de líquidos probablemente involucra más que solo estadísticas de imágenes.
• La física intuitiva basada en simulación juega un papel crucial en la comprensión de las propiedades de los líquidos.
• La investigación futura debería explorar modelos informados por la física para tareas de percepción visual.