Undersøgelse af virkningerne af naturlige visuelle sceneændringer på typisk voksen visuel perception

Baggrund

Det naturlige visuelle miljø er ofte komplekst, med en enkelt visuel scene, der indeholder en bred vifte af stimuli. Disse stimuli kan ændre sig hurtigt og ofte. For yderligere at komplicere sagerne kan den adfærdsmæssige relevans af enhver bestemt stimulus eller visuel funktion også ændre sig på ethvert givet tidspunkt. Visuel perception i realistisk komplekse visuelle miljøer kræver konstant udtrækning af opgaverelevant stimulusinformation fra en overflod af irrelevant information. At forstå, hvordan opgaverelevant information bruges til at vejlede adfærd i sammenhæng med konstant skiftende, funktionsrige visuelle miljøer er en nøglekomponent i forståelsen af ​​perception. Dette kan især være tilfældet, hvis det visuelle system er evolutionært optimeret til at fungere i realistisk komplekse miljøer, hvor den adfærdsmæssigt relevante stimulus eller funktion kan ændre sig hurtigt og hyppigt.

Målet med denne undersøgelse er at undersøge den overordnede forudsigelse om, at det visuelle system er optimeret til at udtrække visuel information på en generaliseret måde, der er fleksibel i forhold til den brede vifte af konstant skiftende visuelle træk, som man støder på i naturlige miljøer. Specifikt vil denne undersøgelse teste hypotesen om, at i sammenhæng med realistisk komplekse naturscener, påvirker opgave-irrelevant visuel funktionsvariabilitet negativt deltagernes evne til at skelne det visuelle træk, der er relevant for den aktuelle opgave.

Metoder

Deltagere

De eksperimentelle protokoller er godkendt af University of Pennsylvania Institutional Review Board. Deltagerne vil blive inviteret til frivilligt at deltage i denne undersøgelse. Deltagerne vil give informeret samtykke. For at sikre, at deltagerne opfylder berettigelseskriterierne, vil de forud for eksperimentet blive interviewet, og de vil udfylde en undersøgelse. Også forud for eksperimentet vil de blive screenet for synsstyrke ved hjælp af et Snellen øjendiagram og for farvedefekter ved hjælp af Ishihara-pladetesten. De vil blive udelukket før eksperimentet, hvis deres bedst korrigerede synsstyrke er værre end 20/40 i begge øjne, eller hvis de laver fejl på Ishihara-pladetesten.

For tilmeldte deltagere vil deres tærskel for horisontal positionsdiskrimination (i en kontroltilstand uden nogen opgave-irrelevant variabilitet; se sessionsorganisation nedenfor for detaljer) blive beregnet baseret på deres præstation på den eksperimentelle opgave under deres første session. Deltagere vil blive udelukket efter afslutningen af ​​deres første session, hvis deres horisontale positionsdiskriminationstærskel i kontrolbetingelsen er højere end en maksimal værdi på 0,6 graders synsvinkel, og deltagere, der er ekskluderet på dette tidspunkt, vil ikke deltage i yderligere eksperimentelle sessioner. Hvis meget få tilmeldte deltagere opfylder dette kriterium, vil denne maksimale tærskelværdi for deltagerinkludering blive forhøjet. I tilfælde af, at den maksimale tærskelværdi for inklusion øges, vil deltagere, der tidligere var blevet ekskluderet, ikke blive geninkluderet i eksperimentet posthoc.

Apparat

En kalibreret LCD-farveskærm (27-tommer NEC MultiSync PA271Q QHD Color Critical Desktop W-LED-monitor med SpectraView Engine; NEC Display Solutions) vil blive brugt til at vise stimuli i et ellers mørkt rum, efter at deltagerne har tilpasset sig mørket i eksperimentet plads i minimum 5 minutter. Skærmen vil blive drevet med en pixelopløsning på 1920 x 1080, med en opdateringshastighed på 60 Hz og med 8-bit opløsning for hver RGB-kanal. Værtscomputeren for denne skærm vil være en Apple Macintosh med en Intel Core i7-processor. Hovedpositionen for hver deltager vil blive stabiliseret ved hjælp af en hagekop (Headspot, UHCOTech, Houston, TX). Deltagerens øjne vil være centreret vandret og lodret i forhold til monitoren. Afstanden mellem deltagerens øjne og monitoren vil være 75 cm. Deltageren indtaster deres svar ved hjælp af en Logitech F310 gamepad-controller.

Stimuli

Alle stimuli er varianter af den samme naturlige visuelle scene: et firkantet billede (undertrykker 8 graders synsvinkel i både bredden og højden), hvori et centralt objekt (en banan, der dækker ca. 4 graders synsvinkel i højden) er præsenteret på en tilnærmelsesvis cirkulær række af overlappende baggrundsobjekter (undertrykker ca. 5 graders synsvinkel og består af overlappende grene og blade). Det centrale objekt (bananen) og/eller det, der vil blive omtalt som "baggrundsobjekterne" (grenene og bladene) ændrer sig i vandret position, rotation og/eller dybde på tværs af forskellige stimuli. Det centrale objekt og baggrundsobjekter præsenteres i sammenhæng med andre objekter, der aldrig bevæger sig hen over forskellige stimuli (en klippeafsats, en skyline og tre mosdækkede stubbe).

Den naturlige visuelle scene blev skabt ved hjælp af Blender, en open source 3D-skabelsessuite (https://www.blender.org, Version 2.81a). Det centrale objekt og/eller baggrundsobjekterne blev flyttet i vandret position, rotation og/eller dybde for at skabe forskellige stimuli ved hjælp af iset3d, en open source softwarepakke (https://github.com/ISET/iset3d) der fungerer med en ændret version af pbrt (https://github.com/mmp/pbrt-v3). Billederne blev skabt ved hjælp af iset3d i en opløsning på 1920 x 1920 med 100 prøver pr. pixel ved 31 lige store bølgelængder mellem 400 nm og 700 nm.

Billederne oprettet ved hjælp af iset3d blev konverteret til RGB-billeder ved hjælp af brugerdefineret software (Natural Image Thresholds; https://github.com/AmyMNi/NaturalImageThresholds) skrevet ved hjælp af MATLAB (MathWorks; Natick, MA) og baseret på softwarepakken Virtual World Color Constancy (github.com/BrainardLab/VirtualWorldColorConstancy). Natural Image Thresholds er afhængig af rutiner fra Psychophysics Toolbox (http://psychtoolbox.org), iset3d (https://github.com/ISET/iset3d), og isetbio (http://psychtoolbox.org). For at konvertere et hyperspektralt billede oprettet ved hjælp af iset3d til et RGB-billede til præsentation på den kalibrerede skærm, blev de hyperspektrale billeddata først brugt til at beregne LMS-kegleexcitationer. Derefter blev LMS-kegle-excitationerne konverteret til et metamerisk gengivet billede i skærmens RGB-farverum baseret på monitorens kalibreringsdata. RGB-billedet blev gammakorrigeret ved hjælp af en fælles skalering, der bragte alle RGB-billederne i stimulussættet ind i skærmens visningsskala.

Stimulierne vil blive præsenteret på den kalibrerede monitor i sammenhæng med den psykofysiske opgave. Stimulierne vil blive præsenteret på en ensartet grå baggrund (~100 cd/m^2), som vil blive præsenteret på monitoren under forsøgssessionens varighed.

Psykofysisk opgave

En psykofysisk opgave vil blive brugt til at måle deltagernes evne til at skelne den vandrette position af det centrale objekt, der præsenteres i konteksten af ​​baggrundsobjekter i en naturlig visuel scene. Opgaven vil være en to-interval forceret valg opgave, der præsenterer én stimulus pr. interval. Hvert interval vil have en varighed på 250 ms. Hver stimulus vil blive præsenteret i midten af ​​monitoren. Mellem de to stimulusintervaller vil to masker blive vist efter hinanden i midten af ​​monitoren. Hver maske vil blive præsenteret i en varighed på 400 ms, for et samlet interstimulusinterval på 800 ms (se Sessionsorganisation nedenfor for maskedetaljer).

Deltagerens opgave vil være at afgøre, om sammenlignet med det centrale objekt præsenteret i det første interval, det centrale objekt præsenteret i det andet interval er til venstre eller til højre. Efter de to intervaller vil deltageren have ubegrænset tid til at trykke på en af ​​to svarknapper på gamepad'en (den øverste venstre trigger for at angive, at det centrale objekt i det andet interval var til venstre, den øverste højre trigger for at angive at det var til højre). En af to feedbacktoner vil blive præsenteret, efter at svaret er indtastet, hvilket angiver, om deltageren var korrekt eller forkert. For forsøg, hvor der ikke er nogen forskel i placeringen af ​​det centrale objekt mellem de to intervaller, vil det svar, der vil modtage den korrekte feedbacktone, blive valgt tilfældigt pr. forsøg. Forsøgene vil blive adskilt af et mellemforsøgsinterval på ca. 1 sekund.

De eksperimentelle programmer kan findes i den brugerdefinerede softwarepakke Natural Image Thresholds (https://github.com/AmyMNi/NaturalImageThresholds). De blev skrevet i MATLAB (MathWorks; Natick, MA) og var baseret på softwarepakken Virtual World Color Constancy (github.com/BrainardLab/VirtualWorldColorConstancy). De er afhængige af rutiner fra Psychophysics Toolbox (http://psychtoolbox.org) og mgl (http://justingardner.net/doku.php/mgl/overview).

Session tilrettelæggelse

Det forventes, at deltagerne vil gennemføre dette piloteksperiment i seks sessioner. Den første session vil omfatte deltagertilmeldingsprocedurer (informeret samtykke, synsprøver osv.; se Deltagere ovenfor for detaljer) samt familiariseringsforsøg (se næste afsnit) og vil vare cirka halvanden time. Den anden til og med sjette session varer cirka en time hver.

I den første session, før opgaven påbegyndes, vil deltageren få opgaveinstruktioner og få mulighed for at øve sig i at trykke på svarknapperne. Kun for den første session vil deltageren begynde med 30 familiariseringsforsøg. Familiariseringsforsøgene vil i rækkefølge omfatte: 10 tilfældigt udvalgte lette forsøg (de største positionsændringssammenligninger), 10 tilfældigt udvalgte middelsvære forsøg (den 4. og 5. største positionsændringssammenligninger) og 10 tilfældigt udvalgte forsøg fra alle mulige sammenligning af positionsændringer. Familieforsøgene vil ikke omfatte nogen opgave-irrelevant variabilitet. Data fra familiariseringsforsøgene vil ikke blive gemt. Tilkendtgørelsesforsøgene vil blive efterfulgt af en pause, hvor deltageren får mulighed for at stille de spørgsmål, de måtte have. Pausen slutter, når deltageren angiver, at de er klar (ved hjælp af et knaptryk), og eksperimentet begynder.

I hver session vil der være to betingelser: "tilstand" refererer til referencepositionen for det centrale objekt. For hver referenceposition vil der være 11 "sammenligningspositioner" for det centrale objekt: fem sammenligningspositioner i positiv vandret retning, fem sammenligningspositioner i negativ vandret retning og en sammenligningsposition på 0, der indikerer ingen ændring. I hvert forsøg vil et interval indeholde en referencestimulus, og det andet interval vil indeholde en af ​​referencestimulus' sammenligningsstimuli. Den rækkefølge, hvori disse to stimuli præsenteres i et forsøg, vil blive udvalgt tilfældigt pr. forsøg.

En "blok" af forsøg vil bestå af 2 tilstande og 11 sammenligninger pr. tilstand, i alt 22 forsøg. Forsøgene inden for en blok vil blive kørt i randomiseret rækkefølge. En blok vil blive afsluttet, inden den næste blok af forsøg begynder. Der vil være 14 gentagelser af en blok, til i alt 308 forsøg.

Dette sæt af 308 forsøg vil udgøre et enkelt "støjniveau". En enkelt session vil bestå af tre støjniveauer: Støjniveau 0, Støjniveau 1 og Støjniveau 2. Forsøgene for hvert støjniveau vil blive opdelt i to "kørsler" (154 forsøg pr. kørsel). Hver kørsel vil således omfatte et enkelt støjniveau. De seks kørsler vil blive kørt i tilfældig rækkefølge pr. session. Hvert løb vil være adskilt af en pause, der varer mindst et minut, og hvor deltageren vil blive instrueret i at stå eller strække sig efter behov. Hver pause slutter, når deltageren angiver, at de er klar (ved at trykke på en knap).

På tværs af alle seks kørsler vil der være i alt 924 forsøg. Derudover vil hver session begynde med fire øvelsesforsøg (inklusive den første eksperimentelle session, som vil blive forudgået af familiariseringsforsøg som beskrevet ovenfor). Hver session vil også omfatte en øvelsesprøve efter hver af de fem pauser. Hvert praksisforsøg vil blive tilfældigt udvalgt fra sættet af nemme forsøg (beskrevet ovenfor) og vil ikke inkludere nogen opgave-irrelevant variabilitet. Data fra øvelsesforsøgene vil ikke blive gemt. Inklusive de ni træningsprøver vil der være i alt 933 forsøg pr. session.

For støjniveau 0 vil der ikke være nogen ændringer i baggrundsobjekterne (grenene og bladene). Støjniveau 0 vil være kontrolbetingelsen og vil blive brugt til at bestemme deltagerens tærskel for at skelne den vandrette position af det centrale objekt uden nogen opgave-irrelevant stimulusstøj. Støjniveau 1 og 2 vil blive brugt til at bestemme deltagerens tærskel for at skelne den vandrette position af det centrale objekt i nærvær af opgave-irrelevant stimulusstøj.

Støjniveau 1 vil bestå af opgave-irrelevant støj i en enkelt opgave-irrelevant funktion: rotation. En opgave-irrelevant rotationsmængde vil blive anvendt på hver stimulus separat. For hver stimulus vil en enkelt rotationsmængde blive trukket tilfældigt fra en pulje med 51 rotationsmængder, og baggrundsobjekterne i stimulus vil alle blive roteret med denne rotationsmængde. Rotationsmængden vil blive tegnet separat (tilfældigt med erstatning) for hver af de to stimuli præsenteret i et forsøg (referencepositionsstimulus og sammenligningspositionstimulus). Puljen med 51 rotationsmængder vil omfatte: en rotationsmængde på nul (ingen ændring af baggrundsobjekterne), 25 lige store rotationsmængder i urets retning og 25 lige store rotationsmængder i mod urets retning.

Støjniveau 2 vil bestå af opgave-irrelevant støj i to opgave-irrelevante funktioner: rotation og dybde. For Støjniveau 2 vil der også være en pulje på 51 støjmængder, men hver støjmængde i puljen vil bestå af både en rotationsmængde (samme 51 rotationsmængder som i Støjniveau 1) og en dybdemængde. Der vil være 51 mulige dybdemængder (én dybdemængde på nul, 25 lige store dybdemængder i positionsretningen og 25 lige store dybdemængder i negativ retning). For Støjniveau 2-puljen med 51 støjmængder vil en af ​​støjmængderne bestå af en rotationsmængde på nul og en dybdemængde på nul. For de resterende 50 støjmængder i poolen vil hver af de resterende 50 rotationsmængder blive tilfældigt (uden erstatning) tildelt en af ​​de resterende 50 dybdemængder. Fra denne støjniveau 2-pulje med 51 støjmængder vil en enkelt støjmængde blive trukket tilfældigt (med erstatning) for hver af de to stimuli i et forsøg separat.

Endelig, som nævnt ovenfor (se psykofysisk opgave), vil der blive vist to masker pr. forsøg under interstimulusintervallet. Alle masker på tværs af alle støjniveauer vil blive trukket fra den samme fordeling af stimuli (stimuli med støjniveau 0, der således ikke indeholder nogen opgave-irrelevant støj). For at oprette hver af de to masker i et forsøg: For det første vil de centrale objektpositioner i forsøgets første og andet intervaller blive bestemt. De to stimuli med støjniveau 0, der matcher de centrale objektpositioner i første og andet intervaller, vil blive brugt til at skabe forsøgsmaskerne. For hver af disse to stimuli vil den gennemsnitlige intensitet blive beregnet pr. RGB-kanal pr. 16 x 16 blok af stimulus. Dernæst vil hver 16 x 16 blok af en maske blive trukket tilfældigt fra enten den ene eller den anden stimulus og vil bestå af den ensartede gennemsnitlige intensitet beregnet pr. RGB-kanal for den blok af den valgte stimulus. Således vil de to masker, der vises pr. prøve, hver bestå af en forskellig tilfældig trækning pr. 16 x 16 blok.

Dataanalyse

Per session vil deltagerens tærskel for at skelne objektposition blive målt for hvert støjniveau. Først for hver sammenligningsposition vil andelen af ​​forsøg, hvor deltageren svarede, at sammenligningsstimulus var placeret til højre for referencestimulus, blive beregnet. Dernæst vil den andel, sammenligningen blev valgt til højre, passe til en kumulativ normal funktion ved hjælp af Palamedes Toolbox (http://www.palamedestoolbox.org). For at estimere alle fire parametre for den psykometriske funktion (tærskel, hældning, lapse rate og gues rate), vil lapse rate blive sat lig med gæt raten og tvinges til at være i området [0, 0,05] og modellen vil passe til dataene ved hjælp af maksimumsandsynlighedsmetoden. Tærsklen vil blive beregnet som forskellen mellem stimulusniveauerne ved præstationer (andel, som sammenligningen blev valgt til højre) lig med 0,7602 og 0,5 som bestemt af den kumulative normale tilpasning.