Untersuchung der Auswirkungen natürlicher visueller Szenenänderungen auf die typische visuelle Wahrnehmung von Erwachsenen

Hintergrund

Die natürliche visuelle Umgebung ist oft komplex, wobei eine einzelne visuelle Szene eine Vielzahl von Reizen enthält. Diese Reize können sich schnell und häufig ändern. Um die Sache noch komplizierter zu machen, kann sich auch die Verhaltensrelevanz eines bestimmten Stimulus oder visuellen Merkmals jederzeit ändern. Die visuelle Wahrnehmung in realistisch komplexen visuellen Umgebungen erfordert die ständige Extraktion aufgabenrelevanter Stimulusinformationen aus einer Fülle irrelevanter Informationen. Das Verständnis, wie aufgabenrelevante Informationen verwendet werden, um das Verhalten im Kontext sich ständig ändernder, funktionsreicher visueller Umgebungen zu steuern, ist eine Schlüsselkomponente zum Verständnis der Wahrnehmung. Dies kann insbesondere zutreffen, wenn das visuelle System evolutionär optimiert ist, um in realistisch komplexen Umgebungen zu funktionieren, in denen sich der verhaltensrelevante Stimulus oder das verhaltensrelevante Merkmal schnell und häufig ändern kann.

Das Ziel dieser Studie ist es, die übergreifende Vorhersage zu untersuchen, dass das visuelle System optimiert ist, um visuelle Informationen auf eine verallgemeinerte Weise zu extrahieren, die flexibel auf die große Vielfalt sich ständig ändernder visueller Merkmale in natürlichen Umgebungen reagiert. Insbesondere wird diese Studie die Hypothese testen, dass im Zusammenhang mit realistisch komplexen natürlichen Szenen die aufgabenirrelevante Variabilität visueller Merkmale die Fähigkeit der Teilnehmer negativ beeinflusst, das visuelle Merkmal zu unterscheiden, das für die jeweilige Aufgabe relevant ist.

Methoden

Teilnehmer

Die Versuchsprotokolle sind vom Institutional Review Board der University of Pennsylvania genehmigt. Die Teilnehmer werden eingeladen, sich freiwillig an dieser Studie zu beteiligen. Die Teilnehmer geben eine informierte Zustimmung. Um sicherzustellen, dass die Teilnehmer die Zulassungskriterien erfüllen, werden sie vor dem Experiment befragt und füllen eine Umfrage aus. Ebenfalls vor dem Experiment werden sie mit einer Snellen-Sehtafel auf Sehschärfe und mit dem Ishihara-Plattentest auf Farbmängel untersucht. Sie werden vor dem Experiment ausgeschlossen, wenn ihre bestkorrigierte Sehschärfe auf beiden Augen schlechter als 20/40 ist oder wenn sie beim Ishihara-Plattentest Fehler machen.

Für eingeschriebene Teilnehmer wird ihre Schwelle für die horizontale Positionsdiskriminierung (in einer Kontrollbedingung ohne aufgabenirrelevante Variabilität; Einzelheiten siehe Sitzungsorganisation unten) basierend auf ihrer Leistung bei der experimentellen Aufgabe während ihrer ersten Sitzung berechnet. Die Teilnehmer werden nach Abschluss ihrer ersten Sitzung ausgeschlossen, wenn ihre horizontale Positionsunterscheidungsschwelle in der Kontrollbedingung höher als ein Maximalwert von 0,6 Grad Sehwinkel ist, und die zu diesem Zeitpunkt ausgeschlossenen Teilnehmer werden an keinen weiteren experimentellen Sitzungen teilnehmen. Erfüllen nur sehr wenige eingeschriebene Teilnehmer dieses Kriterium, wird dieser maximale Schwellenwert für die Aufnahme von Teilnehmern erhöht. Im Falle einer Erhöhung des maximalen Schwellenwerts für die Aufnahme werden zuvor ausgeschlossene Teilnehmer nicht nachträglich in das Experiment aufgenommen.

Gerät

Ein kalibrierter LCD-Farbmonitor (27 Zoll NEC MultiSync PA271Q QHD Color Critical Desktop W-LED Monitor mit SpectraView Engine; NEC Display Solutions) wird verwendet, um die Stimuli in einem ansonsten dunklen Raum anzuzeigen, nachdem die Teilnehmer sich im Experiment an die Dunkelheit angepasst haben Raum für mindestens 5 Minuten. Der Monitor wird mit einer Pixelauflösung von 1920 x 1080, einer Bildwiederholfrequenz von 60 Hz und einer 8-Bit-Auflösung für jeden RGB-Kanal betrieben. Der Host-Computer für diesen Monitor wird ein Apple Macintosh mit einem Intel Core i7-Prozessor sein. Die Kopfposition jedes Teilnehmers wird mit einer Kinnschale (Headspot, UHCOTech, Houston, TX) stabilisiert. Die Augen des Teilnehmers werden in Bezug auf den Monitor horizontal und vertikal zentriert. Der Abstand zwischen den Augen des Teilnehmers und dem Monitor beträgt 75 cm. Die Teilnehmer geben ihre Antworten mit einem Logitech F310 Gamepad-Controller ein.

Reize

Alle Stimuli sind Varianten derselben natürlichen visuellen Szene: ein quadratisches Bild (mit einem Sehwinkel von 8 Grad in Breite und Höhe), in dem sich ein zentrales Objekt (eine Banane mit einem Sehwinkel von etwa 4 Grad in der Höhe) befindet präsentiert auf einer ungefähr kreisförmigen Anordnung von sich überlappenden Hintergrundobjekten (die ungefähr 5 Grad des Blickwinkels umfassen und aus sich überlappenden Zweigen und Blättern bestehen). Das zentrale Objekt (die Banane) und/oder die sogenannten "Hintergrundobjekte" (die Zweige und Blätter) ändern sich in horizontaler Position, Rotation und/oder Tiefe über verschiedene Stimuli hinweg. Das zentrale Objekt und die Hintergrundobjekte werden im Zusammenhang mit anderen Objekten präsentiert, die sich nie über unterschiedliche Stimuli bewegen (ein Felsvorsprung, eine Skyline und drei moosbedeckte Baumstümpfe).

Die natürliche visuelle Szene wurde mit Blender erstellt, einer Open-Source-Suite zur 3D-Erstellung (https://www.blender.org, Version 2.81a). Das zentrale Objekt und/oder die Hintergrundobjekte wurden mit iset3d, einem Open-Source-Softwarepaket (https://github.com/ISET/iset3d) in horizontaler Position, Rotation und/oder Tiefe bewegt, um unterschiedliche Stimuli zu erzeugen. das funktioniert mit einer modifizierten Version von pbrt (https://github.com/mmp/pbrt-v3). Die Bilder wurden mit iset3d bei einer Auflösung von 1920 x 1920 mit 100 Samples pro Pixel bei 31 gleichmäßig beabstandeten Wellenlängen zwischen 400 nm und 700 nm erstellt.

Die mit iset3d erstellten Bilder wurden mit einer benutzerdefinierten Software in RGB-Bilder konvertiert (Natural Image Thresholds; https://github.com/AmyMNi/NaturalImageThresholds) geschrieben mit MATLAB (MathWorks; Natick, MA) und basierend auf dem Softwarepaket Virtual World Color Constancy (github.com/BrainardLab/VirtualWorldColorConstancy). Natural Image Thresholds ist abhängig von Routinen aus der Psychophysics Toolbox (http://psychtoolbox.org), iset3d (https://github.com/ISET/iset3d), und isetbio (http://psychtoolbox.org). Um ein mit iset3d erstelltes hyperspektrales Bild in ein RGB-Bild zur Darstellung auf dem kalibrierten Monitor umzuwandeln, wurden die hyperspektralen Bilddaten zunächst zur Berechnung von LMS-Kegelanregungen verwendet. Dann wurden die LMS-Kegelanregungen basierend auf den Monitorkalibrierungsdaten in ein metameres gerendertes Bild im RGB-Farbraum des Monitors umgewandelt. Das RGB-Bild wurde unter Verwendung einer gemeinsamen Skalierung gammakorrigiert, die alle RGB-Bilder im Stimulus-Set in die Anzeigeskala des Monitors brachte.

Die Stimuli werden auf dem kalibrierten Monitor im Kontext der psychophysischen Aufgabe präsentiert. Die Stimuli werden auf einem einheitlichen grauen Hintergrund (~100 cd/m^2) präsentiert, der für die Dauer der experimentellen Sitzung auf dem Monitor präsentiert wird.

Psychophysische Aufgabe

Eine psychophysische Aufgabe wird verwendet, um die Fähigkeit der Teilnehmer zu messen, die horizontale Position des zentralen Objekts zu unterscheiden, das im Kontext von Hintergrundobjekten in einer natürlichen visuellen Szene präsentiert wird. Die Aufgabe wird eine Zwei-Intervall-Forced-Choice-Aufgabe sein, die einen Stimulus pro Intervall präsentiert. Jedes Intervall hat eine Dauer von 250 ms. Jeder Stimulus wird in der Mitte des Monitors präsentiert. Zwischen den beiden Stimulusintervallen werden nacheinander zwei Masken in der Mitte des Monitors angezeigt. Jede Maske wird für eine Dauer von 400 ms dargeboten, für ein Gesamtinterstimulusintervall von 800 ms (siehe Sitzungsorganisation unten für Maskendetails).

Die Aufgabe des Teilnehmers besteht darin, zu bestimmen, ob im Vergleich zu dem im ersten Intervall präsentierten zentralen Objekt das im zweiten Intervall präsentierte zentrale Objekt links oder rechts liegt. Nach den beiden Intervallen hat der Teilnehmer eine unbegrenzte Zeit, um eine von zwei Reaktionstasten auf dem Gamepad zu drücken (der obere linke Auslöser, um anzuzeigen, dass das zentrale Objekt im zweiten Intervall links war, der obere rechte Auslöser, um anzuzeigen dass es rechts war). Einer von zwei Feedback-Tönen wird nach der Eingabe der Antwort präsentiert und zeigt an, ob der Teilnehmer richtig oder falsch war. Bei Versuchen, bei denen es keinen Unterschied in der Position des zentralen Objekts zwischen den beiden Intervallen gibt, wird die Antwort, die den richtigen Feedback-Ton erhält, pro Versuch zufällig ausgewählt. Die Versuche werden durch ein Intervall von etwa 1 Sekunde zwischen den Versuchen getrennt.

Die experimentellen Programme finden Sie im benutzerdefinierten Softwarepaket Natural Image Thresholds (https://github.com/AmyMNi/NaturalImageThresholds). Sie wurden in MATLAB (MathWorks; Natick, MA) geschrieben und basierten auf dem Softwarepaket Virtual World Color Constancy (github.com/BrainardLab/VirtualWorldColorConstancy). Sie stützen sich auf Routinen aus der Psychophysics Toolbox (http://psychtoolbox.org) und mgl (http://justingardner.net/doku.php/mgl/overview).

Sitzungsorganisation

Es wird erwartet, dass die Teilnehmer dieses Pilotexperiment in sechs Sitzungen absolvieren. Die erste Sitzung umfasst Teilnehmerregistrierungsverfahren (Einverständniserklärung, Sehtests usw.; Einzelheiten siehe Teilnehmer oben) sowie Eingewöhnungsversuche (siehe nächster Abschnitt) und dauert etwa eineinhalb Stunden. Die zweite bis sechste Sitzung dauert jeweils etwa eine Stunde.

In der ersten Sitzung erhält der Teilnehmer vor Beginn der Aufgabe Anweisungen zur Aufgabe und erhält die Möglichkeit, das Drücken der Antworttasten zu üben. Nur für die erste Sitzung beginnt der Teilnehmer mit 30 Eingewöhnungsversuchen. Die Gewöhnungsversuche umfassen in dieser Reihenfolge: 10 zufällig ausgewählte leichte Versuche (die größten Positionswechsel-Vergleiche), 10 zufällig ausgewählte Versuche mit mittlerem Schwierigkeitsgrad (die viert- und fünftgrößten Positionswechsel-Vergleiche) und 10 zufällig ausgewählte Versuche aus allen möglichen Positionsänderungsvergleiche. Die Eingewöhnungsversuche enthalten keine aufgabenirrelevante Variabilität. Daten aus den Eingewöhnungsversuchen werden nicht gespeichert. Nach den Kennenlernversuchen folgt eine Pause, in der dem Teilnehmer Gelegenheit gegeben wird, allfällige Fragen zu stellen. Die Pause endet, wenn der Teilnehmer anzeigt, dass er bereit ist (per Knopfdruck), und das Experiment beginnt.

In jeder Sitzung gibt es zwei Bedingungen: "Bedingung" bezieht sich auf die Referenzposition des zentralen Objekts. Für jede Referenzposition gibt es 11 "Vergleichs"-Positionen für das zentrale Objekt: fünf Vergleichspositionen in positiver horizontaler Richtung, fünf Vergleichspositionen in negativer horizontaler Richtung und eine Vergleichsposition von 0, die keine Änderung anzeigt. In jedem Versuch enthält ein Intervall einen Referenzstimulus und das andere Intervall einen der Vergleichsstimuli dieses Referenzstimulus. Die Reihenfolge, in der diese beiden Stimuli innerhalb eines Versuchs dargeboten werden, wird zufällig pro Versuch ausgewählt.

Ein „Block“ von Studien besteht aus 2 Bedingungen und 11 Vergleichen pro Bedingung, also insgesamt 22 Studien. Die Versuche innerhalb eines Blocks werden in randomisierter Reihenfolge durchgeführt. Ein Block wird abgeschlossen, bevor der nächste Testblock beginnt. Es wird 14 Iterationen eines Blocks für insgesamt 308 Versuche geben.

Dieser Satz von 308 Versuchen ergibt einen einzigen "Rauschpegel". Eine einzelne Sitzung besteht aus drei Geräuschpegeln: Geräuschpegel 0, Geräuschpegel 1 und Geräuschpegel 2. Die Versuche für jeden Geräuschpegel werden in zwei "Läufe" (154 Versuche pro Lauf) unterteilt. Somit wird jeder Lauf einen einzelnen Rauschpegel umfassen. Die sechs Läufe werden in zufälliger Reihenfolge pro Sitzung ausgeführt. Jeder Lauf wird durch eine mindestens einminütige Pause unterbrochen, in der der Teilnehmer je nach Bedarf stehen oder sich strecken muss. Jede Pause endet, wenn der Teilnehmer anzeigt, dass er bereit ist (per Knopfdruck).

Über alle sechs Läufe hinweg wird es insgesamt 924 Versuche geben. Zusätzlich beginnt jede Sitzung mit vier Übungsversuchen (einschließlich der ersten experimentellen Sitzung, der wie oben beschriebene Eingewöhnungsversuche vorausgehen). Jede Sitzung beinhaltet auch einen Übungsversuch nach jeder der fünf Pausen. Jeder Übungsversuch wird nach dem Zufallsprinzip aus dem Satz einfacher Versuche (oben beschrieben) ausgewählt und enthält keine aufgabenirrelevante Variabilität. Die Daten aus den Übungsversuchen werden nicht gespeichert. Einschließlich der neun Übungsversuche gibt es insgesamt 933 Versuche pro Sitzung.

Bei Rauschpegel 0 werden die Hintergrundobjekte (Äste und Blätter) nicht verändert. Rauschpegel 0 ist die Kontrollbedingung und wird verwendet, um die Schwelle des Teilnehmers für die Unterscheidung der horizontalen Position des zentralen Objekts ohne aufgabenirrelevantes Stimulusrauschen zu bestimmen. Die Geräuschpegel 1 und 2 werden verwendet, um die Schwelle des Teilnehmers für die Unterscheidung der horizontalen Position des zentralen Objekts in Gegenwart von aufgabenirrelevantem Reizgeräusch zu bestimmen.

Geräuschpegel 1 besteht aus aufgabenirrelevantem Rauschen in einem einzigen aufgabenirrelevanten Merkmal: Rotation. Auf jeden Stimulus wird separat ein aufgabenunabhängiger Rotationsbetrag angewendet. Für jeden Stimulus wird ein einzelner Rotationsbetrag zufällig aus einem Pool von 51 Rotationsbeträgen gezogen, und die Hintergrundobjekte im Stimulus werden alle um diesen Rotationsbetrag gedreht. Der Rotationsbetrag wird separat (zufällig mit Ersatz) für jeden der zwei Stimuli gezogen, die in einem Versuch präsentiert werden (Referenzpositionsstimulus und Vergleichspositionsstimulus). Der Pool von 51 Rotationsbeträgen wird umfassen: einen Rotationsbetrag von Null (keine Änderung an den Hintergrundobjekten), 25 gleich beabstandete Rotationsbeträge im Uhrzeigersinn und 25 gleich beabstandete Rotationsbeträge gegen den Uhrzeigersinn.

Geräuschpegel 2 besteht aus aufgabenirrelevantem Rauschen in zwei aufgabenirrelevanten Merkmalen: Rotation und Tiefe. Für Geräuschpegel 2 wird es auch einen Pool von 51 Geräuschpegeln geben, aber jeder Geräuschbetrag im Pool besteht sowohl aus einem Rotationsbetrag (dieselben 51 Rotationsbetrags wie in Geräuschpegel 1) als auch aus einem Tiefenbetrag. Es gibt 51 mögliche Tiefenbeträge (ein Tiefenbetrag von Null, 25 gleich beabstandete Tiefenbeträge in der Positionsrichtung und 25 gleich beabstandete Tiefenbeträge in der negativen Richtung). Für den Rauschpegel-2-Pool von 51 Rauschbeträgen wird einer der Rauschbeträge aus einem Rotationsbetrag von null und einem Tiefenbetrag von null bestehen. Für die verbleibenden 50 Rauschbeträge im Pool wird jeder der verbleibenden 50 Rotationsbeträge zufällig (ohne Ersatz) einem der verbleibenden 50 Tiefenbeträge zugewiesen. Aus diesem Rauschpegel-2-Pool von 51 Rauschmengen wird eine einzelne Rauschmenge zufällig (mit Ersatz) für jeden der beiden Stimuli in einem Versuch separat gezogen.

Schließlich werden, wie oben erwähnt (siehe Psychophysische Aufgabe), während des Interstimulus-Intervalls zwei Masken pro Versuch gezeigt. Alle Masken über alle Rauschpegel hinweg werden aus der gleichen Stimuliverteilung gezogen (Stimuli mit Rauschpegel 0, enthalten also kein aufgabenirrelevantes Rauschen). Um jede der beiden Masken in einem Versuch zu erstellen: Zunächst werden die zentralen Objektpositionen im ersten und zweiten Intervall des Versuchs bestimmt. Die beiden Stimuli mit Noise Level 0, die den zentralen Objektpositionen im ersten und zweiten Intervall entsprechen, werden verwendet, um die Testmasken zu erstellen. Für jeden dieser beiden Stimuli wird die durchschnittliche Intensität pro RGB-Kanal pro 16 x 16 Block des Stimulus berechnet. Als nächstes wird jeder 16 x 16-Block einer Maske zufällig entweder aus dem einen oder dem anderen Stimulus gezogen und aus der einheitlichen durchschnittlichen Intensität zusammengesetzt, die pro RGB-Kanal für diesen Block des ausgewählten Stimulus berechnet wird. Somit bestehen die zwei Masken, die pro Versuch gezeigt werden, jeweils aus einer anderen zufälligen Ziehung pro 16 × 16-Block.

Datenanalyse

Pro Sitzung wird die Schwelle des Teilnehmers zur Unterscheidung der Objektposition für jeden Geräuschpegel gemessen. Zunächst wird für jede Vergleichsposition der Anteil der Versuche berechnet, bei denen der Teilnehmer geantwortet hat, dass sich der Vergleichsreiz rechts vom Referenzreiz befindet. Als nächstes wird der Anteil, für den der Vergleich rechts gewählt wurde, mit einer kumulativen Normalfunktion unter Verwendung der Palamedes Toolbox (http://www.palamedestoolbox.org) angepasst. Um alle vier Parameter der psychometrischen Funktion zu schätzen (Schwellenwert, Steigung, Verfallsrate und Schätzrate), wird die Verfallsrate gleich der Schätzrate gesetzt und in den Bereich [0, 0,05] gezwungen, und der Das Modell wird mit der Maximum-Likelihood-Methode an die Daten angepasst. Der Schwellenwert wird als Differenz zwischen den Stimuluspegeln bei Darbietungen (Anteil, für den der Vergleich als rechts gewählt wurde) gleich 0,7602 und 0,5 berechnet, wie durch die kumulative Normalanpassung bestimmt.