在模拟的隐蔽视觉搜索中,上下Priors使目标和干扰器特征变得明确

科学领域:

• 认知神经科学 认知神经科学
• 计算神经科学是一种神经科学.
• 视觉感知 视觉感知 视觉感知

背景情况:

• 视觉搜索模型通常侧重于公开的注意力和凝视行为.
• 较少的模型解决了隐藏的空间注意力,注意力在没有眼睛运动的情况下转移.
• 桥梁贝叶斯和神经生理学模型的注意力仍然是一个挑战.

研究的目的:

• 提出一种在视觉搜索过程中隐藏空间注意力的生物可信模型.
• 将通过Hebbian学习获得的自上而下的先验与空间重新采样机制集成.
• 增强对贝叶斯先验如何影响视觉处理和目标识别的理解.

主要方法:

• 开发了一个模型,将Hebbian学习纳入新出现的上向下 priors.
• 实施皮层受体场的空间重新采样,以提高空间分辨率.
• 模拟视觉搜索任务涉及手写数字和非数字分心器.

主要成果:

• 该模型表明,学习的自上而下的先验显著提高了目标位置估计的准确性.
• 与仅使用自下而上的信号相比,对目标的分类准确性得到了提高.
• 该模型成功地将贝叶斯原则与隐藏注意力的神经生物学机制相结合.

结论:

• 通过Hebbian学习获得的自上而下的先验可以自然出现并提高视觉搜索性能.
• 隐藏的空间注意力,通过空间重新采样建模,增强图像表示分辨率.
• 拟议的模型提供了一个神经生物学上可信的框架,用于理解贝叶斯对视觉注意力的影响.