感知视觉之外的深度:通过概念证明的感官替代方法评估内在和学习的线索,在视觉障碍者和视觉障碍者中进行感知替代方法
Amber Maimon1,2, Iddo Yehoshua Wald1,3, Adi Snir1
1Baruch Ivcher Institute for Brain, Cognition, and Technology, Reichman University, Herzliya, Israel.
PloS one
|September 25, 2024
概括
这项研究开发了一种用于深度感知的感官替代算法,表明先天和学习的听觉线索都很重要. 盲人和视力障碍者学习该系统的效果与有视力的参与者一样有效.
科学领域:
- 认知科学 认知科学
- 神经科学是一个神经科学.
- 人与计算机的交互
背景情况:
- 空间感知,特别是深度,对于导航和互动至关重要.
- 感官替代提供了一种通过替代感官方式传递空间信息的方法.
- 现有的方法通常依赖于学习的关联,但映射的直观性是关键.
研究的目的:
- 研究一种用于深度感知的新型感官替代算法的有效性.
- 探索生态启发的听觉线索在表示深度和高度方面的作用.
- 评估算法的可学习性和直观性,无论是视力好还是视力受损的个体.
主要方法:
- 开发了一种概念验证的感觉替代算法,使用听觉属性来表示场景的高度和深度.
- 将生态灵感的深度绘图与40名参与者的交换状况进行比较,其中包括视力受损者.
- 通过简短的培训期和随后的任务完成来评估学习和绩效.
主要成果:
- 所有参与者都成功地学会了使用算法,视力和视力受损组之间的学习成功没有显著差异.
- 显著的基线差异有利于生态启发的深度绘图,表明其直观性.
- 在训练后,在两种条件下都取得了类似的成功率,这表明了感知学习的力量.
结论:
- 深度感知涉及内在的,基于生态的线索和学习的关联.
- 新的感官映射可以通过成年期的感知学习获得.
- 这些发现支持视力受损人士的融合观点,并突出了在可访问性和虚拟现实方面的潜在应用.
