Redes neuronales profundas entrenadas para estimar la reflectancia y la iluminación logran constancia de luminosidad...

Área de la Ciencia:

• Neurociencia computacional
• Visión por computadora
• Percepción visual humana

Sus antecedentes:

• La constancia de luminosidad es crucial para percibir la reflectancia de la superficie bajo una iluminación variable.
• El desarrollo de modelos computables de imágenes de la constancia de luminosidad humana sigue siendo un desafío.
• Las redes neuronales convolucionales (CNN) muestran una gran promesa en la estimación de la reflectancia, pero sus mecanismos y su relación con la visión humana no están claros.

Objetivo del estudio:

• Investigar cómo las CNN logran la constancia de luminosidad.
• Comparar el rendimiento de las CNN y la utilización de señales con observadores humanos.
• Determinar si las CNN son modelos adecuados para el procesamiento visual humano de la luminosidad.

Principales métodos:

• Se entrenó una CNN para estimar la reflectancia y la iluminación en un entorno virtual.
• Se evaluó el rendimiento de las CNN y de los humanos en tareas de igualación de luminosidad bajo diversas condiciones de señales.
• Se manipularon señales como el contraste local, el sombreado, las sombras y la información contextual.

Principales resultados:

• Las CNN lograron una mayor constancia de luminosidad que los humanos, superándolos en general.
• La eliminación de señales afectó a las CNN y a los humanos de manera diferente: los humanos eran sensibles al contraste local, mientras que las CNN dependían del sombreado y las sombras.
• Las CNN aprendieron a explotar los artefactos de ruido del trazado de rayos correlacionados con la iluminancia.

Conclusiones:

• Las CNN emplean estrategias globales efectivas para la estimación de la luminosidad, superando el rendimiento humano en las escenas estudiadas.
• Las CNN y los humanos utilizan estrategias de señalización distintas para la constancia de luminosidad.
• Los hallazgos tienen implicaciones para el uso de imágenes trazadas por rayos en la investigación de la visión y resaltan las diferencias entre los sistemas visuales artificiales y humanos.