用生成对抗网络创建的新型对象的标准化图像
Patrick S Cooper1,2, Emily Colton3, Stefan Bode4
1Turner Institute for Brain and Mental Health, Monash University, Victoria, 3800, Australia. patrick.cooper@monash.edu.
Scientific data
|September 2, 2023
概括
研究人员开发了一种新的合成对象数据集来研究视觉感知. 这些在感知上新的对象被认为是不那么熟悉的,但与现实世界一样具有吸引力,有助于认知科学研究.
科学领域:
- 认知科学 认知科学
- 神经科学是一个神经科学.
- 计算机视觉 计算机视觉
背景情况:
- 了解大脑如何处理新的视觉刺激是认知科学的关键挑战.
- 现有研究受到缺乏标准化,现实的,但完全新的对象刺激的阻碍.
研究的目的:
- 为研究视觉处理创建和验证一种新的感知对象的数据集.
- 为研究人员研究对不熟悉物品的感知提供标准化资源.
主要方法:
- 利用生成对抗网络 (GANs) 合成了400个新的对象图像.
- 创建了400个熟悉对象图像的匹配数据集,控制视觉属性.
- 对所有刺激的量化视觉特征 (边缘密度,,对称性,复杂性,光谱特征).
- 在390名成年观察者中进行了一项感知研究.
主要成果:
- 新的物体被认为比熟悉的物体少得多.
- 新闻和熟悉的物体被观察者评为同样吸引人的.
- 该数据集包括所有刺激的详细视觉属性量化.
结论:
- 开发的数据集有效地为视觉感知研究提供了新的感知,可信的刺激.
- 这种资源可以系统地调查对陌生对象的认知处理.
- 这些发现支持在认知科学中使用合成刺激来解决长期存在的研究问题.
