Badanie wpływu zmian naturalnej sceny wizualnej na typową percepcję wzrokową osoby dorosłej

Tło

Naturalne środowisko wizualne jest często złożone, a pojedyncza scena wizualna zawiera szeroką gamę bodźców. Te bodźce mogą zmieniać się szybko i często. Aby jeszcze bardziej skomplikować sprawę, znaczenie behawioralne określonego bodźca lub cechy wizualnej może również ulec zmianie w dowolnym momencie. Percepcja wzrokowa w realistycznie złożonych środowiskach wizualnych wymaga ciągłego wydobywania informacji o bodźcach istotnych dla zadania z mnóstwa nieistotnych informacji. Zrozumienie, w jaki sposób informacje istotne dla zadania są wykorzystywane do kierowania zachowaniem w kontekście stale zmieniających się, bogatych w funkcje środowisk wizualnych, jest kluczowym elementem zrozumienia percepcji. Może to być szczególnie prawdziwe, jeśli system wzrokowy jest ewolucyjnie zoptymalizowany do działania w realistycznie złożonych środowiskach, w których istotny behawioralnie bodziec lub cecha może zmieniać się szybko i często.

Celem tego badania jest zbadanie nadrzędnej prognozy, że system wizualny jest zoptymalizowany do wydobywania informacji wizualnych w uogólniony sposób, który jest elastyczny dla szerokiej gamy stale zmieniających się cech wizualnych występujących w środowiskach naturalnych. W szczególności badanie to przetestuje hipotezę, że w kontekście realistycznie złożonych scen naturalnych zmienność cech wizualnych nieistotna dla zadania negatywnie wpływa na zdolność uczestników do rozróżnienia cechy wizualnej, która jest istotna dla danego zadania.

Metody

Uczestnicy

Protokoły eksperymentalne zostały zatwierdzone przez Instytucjonalną Radę Rewizyjną Uniwersytetu Pensylwanii. Uczestnicy zostaną zaproszeni na ochotnika do udziału w tym badaniu. Uczestnicy wyrażą świadomą zgodę. Aby upewnić się, że uczestnicy spełniają kryteria kwalifikacyjne, przed eksperymentem zostaną przeprowadzone z nimi wywiady i wypełnią ankietę. Również przed eksperymentem zostaną przebadane pod kątem ostrości wzroku za pomocą tablicy Snellena oraz niedoborów kolorów za pomocą testu płytkowego Ishihary. Zostaną wykluczeni przed eksperymentem, jeśli ich najlepiej skorygowana ostrość wzroku jest gorsza niż 20/40 w którymkolwiek oku lub jeśli popełnią jakiekolwiek błędy w teście płytkowym Ishihary.

W przypadku zarejestrowanych uczestników ich próg rozróżniania pozycji poziomej (w warunkach kontrolnych bez jakiejkolwiek zmienności nieistotnej dla zadania; szczegółowe informacje znajdują się w sekcji Organizacja sesji poniżej) zostanie obliczony na podstawie ich wykonania zadania eksperymentalnego podczas pierwszej sesji. Uczestnicy zostaną wykluczeni po zakończeniu pierwszej sesji, jeśli ich próg rozróżniania pozycji poziomej w warunkach kontrolnych będzie wyższy niż maksymalna wartość 0,6 stopnia kąta widzenia, a uczestnicy wykluczeni w tym momencie nie będą uczestniczyć w żadnych dalszych sesjach eksperymentalnych. Jeżeli bardzo niewielu zarejestrowanych uczestników spełnia to kryterium, maksymalna wartość progowa dla włączenia uczestnika zostanie zwiększona. W przypadku, gdy maksymalna wartość progowa dla włączenia zostanie zwiększona, uczestnicy, którzy zostali wcześniej wykluczeni, nie zostaną ponownie włączeni do eksperymentu post hoc.

Aparat

Skalibrowany kolorowy monitor LCD (27-calowy monitor NEC MultiSync PA271Q QHD Color Critical W-LED z technologią SpectraView Engine; NEC Display Solutions) zostanie użyty do wyświetlenia bodźców w ciemnym pokoju, po tym jak uczestnicy zaadaptują się do ciemności w eksperymencie pokoju na minimum 5 minut. Monitor będzie pracował w rozdzielczości 1920 x 1080 pikseli, z częstotliwością odświeżania 60 Hz iz 8-bitową rozdzielczością dla każdego kanału RGB. Komputerem głównym dla tego monitora będzie Apple Macintosh z procesorem Intel Core i7. Pozycja głowy każdego uczestnika zostanie ustabilizowana za pomocą miseczki podbródkowej (Headspot, UHCOTech, Houston, TX). Oczy uczestnika będą wyśrodkowane poziomo i pionowo w stosunku do monitora. Odległość oczu uczestnika od monitora wyniesie 75 cm. Uczestnik wprowadzi swoje odpowiedzi za pomocą kontrolera do gier Logitech F310.

bodźce

Wszystkie bodźce są wariantami tej samej naturalnej sceny wizualnej: kwadratowego obrazu (obejmującego 8 stopni kąta widzenia zarówno na szerokość, jak i wysokość), w którym znajduje się centralny obiekt (banan, znajdujący się pod kątem około 4 stopni pod kątem widzenia na wysokość). przedstawiony na mniej więcej okrągłym układzie nakładających się obiektów tła (pod kątem około 5 stopni kąta widzenia i składający się z zachodzących na siebie gałęzi i liści). Centralny obiekt (banan) i/lub to, co będzie określane jako „obiekty tła” (gałęzie i liście) zmieniają pozycję poziomą, rotację i/lub głębokość w zależności od różnych bodźców. Centralny obiekt i obiekty w tle są przedstawione w kontekście innych obiektów, które nigdy nie poruszają się po różnych bodźcach (półka skalna, linia horyzontu i trzy porośnięte mchem pniaki).

Naturalna scena wizualna została utworzona za pomocą Blendera, pakietu open-source do tworzenia grafiki 3D (https://www.blender.org, Wersja 2.81a). Centralny obiekt i/lub obiekty w tle zostały przesunięte w pozycji poziomej, rotacji i/lub głębokości, aby stworzyć różne bodźce za pomocą iset3d, pakietu oprogramowania open source (https://github.com/ISET/iset3d) który działa ze zmodyfikowaną wersją pbrt (https://github.com/mmp/pbrt-v3). Obrazy zostały utworzone za pomocą iset3d w rozdzielczości 1920 x 1920 ze 100 próbkami na piksel, przy 31 równomiernie rozmieszczonych długościach fal między 400 nm a 700 nm.

Obrazy utworzone za pomocą iset3d zostały przekonwertowane na obrazy RGB przy użyciu niestandardowego oprogramowania (Natural Image Thresholds; https://github.com/AmyMNi/NaturalImageThresholds) napisany przy użyciu MATLAB (MathWorks; Natick, MA) i oparty na pakiecie oprogramowania Virtual World Color Constancy (github.com/BrainardLab/VirtualWorldColorConstancy). Natural Image Thresholds jest zależny od procedur z Psychophysics Toolbox (http://psychtoolbox.org), iset3d (https://github.com/ISET/iset3d), i isetbio (http://psychtoolbox.org). Aby przekonwertować obraz hiperspektralny utworzony za pomocą iset3d na obraz RGB do prezentacji na skalibrowanym monitorze, dane obrazu hiperspektralnego zostały najpierw wykorzystane do obliczenia wzbudzeń stożka LMS. Następnie wzbudzenia stożka LMS zostały przekonwertowane na metameryczny renderowany obraz w przestrzeni kolorów RGB monitora, w oparciu o dane kalibracyjne monitora. Obraz RGB został poddany korekcji gamma przy użyciu wspólnego skalowania, które wprowadziło wszystkie obrazy RGB w zestawie bodźców do gamy wyświetlacza monitora.

Bodźce będą prezentowane na skalibrowanym monitorze w kontekście zadania psychofizycznego. Bodźce będą prezentowane na jednolitym szarym tle (~100 cd/m^2), które będzie prezentowane na monitorze przez czas trwania sesji eksperymentalnej.

Zadanie psychofizyczne

Zadanie psychofizyczne zostanie wykorzystane do pomiaru zdolności uczestników do rozróżnienia pozycji poziomej centralnego obiektu, który jest prezentowany w kontekście obiektów tła w naturalnej scenie wizualnej. Zadanie będzie dwuprzedziałowym zadaniem z wymuszonym wyborem, które przedstawia jeden bodziec na przedział. Każdy interwał będzie trwał 250 ms. Każdy bodziec będzie prezentowany na środku monitora. Pomiędzy dwoma interwałami bodźców na środku monitora zostaną pokazane kolejno dwie maski. Każda maska ​​będzie prezentowana przez 400 ms, dla całkowitego interwału między bodźcami wynoszącego 800 ms (szczegóły dotyczące masek znajdują się w sekcji Organizacja sesji poniżej).

Zadaniem uczestnika będzie określenie, czy w porównaniu z obiektem centralnym przedstawionym w pierwszym przedziale, obiekt centralny przedstawiony w drugim przedziale jest po lewej czy po prawej stronie. Po dwóch interwałach uczestnik będzie miał nieograniczoną ilość czasu na naciśnięcie jednego z dwóch przycisków odpowiedzi na padzie (lewy górny spust wskazuje, że centralny obiekt w drugim interwale znajdował się po lewej stronie, prawy górny spust wskazuje że był po prawej). Po wprowadzeniu odpowiedzi zostanie zaprezentowany jeden z dwóch sygnałów zwrotnych, wskazujący, czy uczestnik miał rację, czy nie. W przypadku prób, w których nie ma różnicy w położeniu obiektu centralnego między dwoma interwałami, odpowiedź, która otrzyma prawidłowy ton sprzężenia zwrotnego, zostanie wybrana losowo dla każdej próby. Próby będą oddzielone przerwą między próbami trwającą około 1 sekundy.

Programy eksperymentalne można znaleźć w niestandardowym pakiecie oprogramowania Natural Image Thresholds (https://github.com/AmyMNi/NaturalImageThresholds). Zostały napisane w MATLAB (MathWorks; Natick, MA) i były oparte na pakiecie oprogramowania Virtual World Color Constancy (github.com/BrainardLab/VirtualWorldColorConstancy). Opierają się na procedurach z Psychophysics Toolbox (http://psychtoolbox.org) i mgl (http://justingardner.net/doku.php/mgl/overview).

Organizacja sesji

Oczekuje się, że uczestnicy zakończą ten eksperyment pilotażowy w sześciu sesjach. Pierwsza sesja obejmie procedury rekrutacji uczestników (świadoma zgoda, testy wzroku itp.; szczegółowe informacje znajdują się w sekcji Uczestnicy powyżej), a także próby zapoznawcze (patrz następny akapit) i potrwa około półtorej godziny. Sesje od drugiej do szóstej będą trwały około godziny każda.

W pierwszej sesji, przed przystąpieniem do zadania, uczestnik otrzyma instrukcje do wykonania zadania oraz będzie miał możliwość przećwiczenia naciskania przycisków odpowiedzi. Tylko w przypadku pierwszej sesji uczestnik rozpocznie od 30 prób zapoznawczych. Próby zapoznawcze będą obejmować kolejno: 10 losowo wybranych prób łatwych (największe porównania ze zmianą pozycji), 10 losowo wybranych prób o średniej trudności (4. i 5. największe porównanie ze zmianą pozycji) oraz 10 losowo wybranych prób ze wszystkich możliwych porównania zmiany pozycji. Próby zapoznawcze nie będą zawierały żadnej zmienności nieistotnej dla zadania. Dane z prób zapoznawczych nie zostaną zapisane. Po próbach zapoznawczych przewidziana jest przerwa, podczas której uczestnik będzie miał możliwość zadania pytań. Przerwa zakończy się, gdy uczestnik zasygnalizuje gotowość (naciśnięciem przycisku) i rozpocznie się eksperyment.

W każdej sesji będą dwa warunki: „warunek” odnosi się do pozycji odniesienia centralnego obiektu. Dla każdej pozycji referencyjnej będzie 11 pozycji „porównawczych” dla obiektu centralnego: pięć pozycji porównawczych w dodatnim kierunku poziomym, pięć pozycji porównawczych w ujemnym kierunku poziomym oraz pozycja porównawcza 0 oznaczająca brak zmian. W każdej próbie jeden przedział będzie zawierał bodziec referencyjny, a drugi przedział będzie zawierał jeden z bodźców porównawczych tego bodźca referencyjnego. Kolejność, w jakiej te dwa bodźce są prezentowane w ramach próby, zostanie wybrana losowo dla każdej próby.

„Blok” prób będzie się składał z 2 warunków i 11 porównań na warunek, co daje w sumie 22 próby. Próby w ramach bloku będą uruchamiane w losowej kolejności. Blok zostanie ukończony przed rozpoczęciem następnego bloku prób. Będzie 14 iteracji bloku, w sumie 308 prób.

Ten zestaw 308 prób będzie składał się na jeden „poziom hałasu”. Pojedyncza sesja będzie składać się z trzech poziomów hałasu: poziom hałasu 0, poziom hałasu 1 i poziom hałasu 2. Próby dla każdego poziomu hałasu zostaną podzielone na dwa „biegi” (154 próby na bieg). Zatem każdy przebieg będzie zawierał pojedynczy poziom hałasu. Sześć przebiegów zostanie uruchomionych w losowej kolejności na sesję. Każdy bieg będzie oddzielony przerwą trwającą co najmniej minutę, podczas której uczestnik zostanie poinstruowany, aby stać lub rozciągać się w zależności od potrzeb. Każda przerwa zakończy się, gdy uczestnik zasygnalizuje gotowość (naciśnięciem przycisku).

We wszystkich sześciu biegach odbędą się łącznie 924 próby. Dodatkowo każda sesja rozpocznie się czterema próbami praktycznymi (w tym pierwszą sesją eksperymentalną, która zostanie poprzedzona próbami zapoznawczymi, jak opisano powyżej). Każda sesja obejmuje również jedną próbę próbną po każdej z pięciu przerw. Każda próba ćwiczeniowa zostanie wybrana losowo z zestawu łatwych prób (opisanych powyżej) i nie będzie zawierała żadnej zmienności niezwiązanej z zadaniem. Dane z prób praktycznych nie zostaną zapisane. Łącznie z dziewięcioma próbami treningowymi, w każdej sesji odbędą się łącznie 933 próby.

Dla poziomu szumu 0 nie będzie żadnych zmian w obiektach tła (gałęziach i liściach). Poziom szumu 0 będzie warunkiem kontrolnym i zostanie wykorzystany do określenia przez uczestnika progu rozróżniania pozycji poziomej centralnego obiektu bez żadnego szumu bodźcowego nieistotnego dla zadania. Poziomy hałasu 1 i 2 zostaną użyte do określenia progu uczestnika do rozróżniania pozycji poziomej centralnego obiektu w obecności szumu bodźca nieistotnego dla zadania.

Hałas Poziom 1 będzie składał się z hałasu nieistotnego dla zadania w pojedynczej funkcji nieistotnej dla zadania: rotacji. Wartość rotacji nieistotna dla zadania zostanie zastosowana do każdego bodźca oddzielnie. Dla każdego bodźca pojedyncza wielkość obrotu zostanie losowo wybrana z puli 51 wartości obrotu, a wszystkie obiekty tła w bodźcu zostaną obrócone o tę wartość obrotu. Wartość rotacji zostanie wylosowana oddzielnie (losowo z zamianą) dla każdego z dwóch bodźców prezentowanych w badaniu (bodziec w pozycji odniesienia i bodziec w pozycji porównania). Pula 51 kwot obrotu będzie obejmować: jedną wartość obrotu wynoszącą zero (bez zmian w obiektach tła), 25 równo rozłożonych kwot obrotu w kierunku zgodnym z ruchem wskazówek zegara i 25 równo rozłożonych kwot obrotu w kierunku przeciwnym do ruchu wskazówek zegara.

Poziom hałasu 2 będzie składał się z hałasu nieistotnego dla zadania w dwóch nieistotnych dla zadania cechach: rotacji i głębokości. W przypadku poziomu szumu 2 będzie również pula 51 poziomów szumu, ale każdy poziom szumu w puli będzie składał się zarówno z wartości obrotu (te same 51 wartości obrotu, co w przypadku poziomu hałasu 1), jak i głębokości. Będzie 51 możliwych wartości głębokości (jedna zerowa wartość głębokości, 25 równo rozmieszczonych wartości głębokości w kierunku pozycji i 25 równo rozmieszczonych wartości głębokości w kierunku ujemnym). Dla puli 51 poziomów szumu poziomu 2, jeden z poziomów szumu będzie się składał z zerowej wartości obrotu i zerowej wartości głębokości. W przypadku pozostałych 50 poziomów hałasu w basenie, każdy z pozostałych 50 poziomów obrotu zostanie losowo przypisany (bez zwracania) do jednej z pozostałych 50 poziomów głębokości. Z tej puli 51 poziomów szumu dla poziomu szumu 2 zostanie losowo wylosowana pojedyncza ilość szumu (z zamianą) dla każdego z dwóch bodźców w próbie oddzielnie.

Wreszcie, jak wspomniano powyżej (patrz Zadanie psychofizyczne), dwie maski zostaną pokazane na próbę podczas przerwy między bodźcami. Wszystkie maski dla wszystkich poziomów hałasu zostaną narysowane na podstawie tego samego rozkładu bodźców (bodźce o poziomie szumu 0, a zatem nie zawierające szumu nieistotnego dla zadania). Aby utworzyć każdą z dwóch masek w próbie: najpierw zostaną określone centralne pozycje obiektów w pierwszym i drugim przedziale próby. Dwa bodźce z poziomem szumu 0, które pasują do centralnych pozycji obiektu w pierwszym i drugim przedziale, zostaną użyte do utworzenia masek próbnych. Dla każdego z tych dwóch bodźców średnia intensywność zostanie obliczona na kanał RGB na blok 16 x 16 bodźca. Następnie każdy blok maski o wymiarach 16 x 16 zostanie losowo wylosowany z jednego lub drugiego bodźca i będzie się składał z jednolitej średniej intensywności obliczonej na kanał RGB dla tego bloku wybranego bodźca. Tak więc każda z dwóch masek pokazanych na próbę będzie składać się z innego losowania na blok 16 x 16.

Analiza danych

Podczas każdej sesji dla każdego poziomu hałasu mierzony będzie próg rozróżniania pozycji obiektu przez uczestnika. Najpierw dla każdej pozycji porównawczej obliczony zostanie odsetek prób, w których uczestnik odpowiedział, że bodziec porównawczy znajduje się na prawo od bodźca referencyjnego. Następnie proporcja, w której wybrano porównanie w prawo, będzie pasować do skumulowanej funkcji normalnej przy użyciu zestawu narzędzi Palamedes (http://www.palamedestoolbox.org). Aby oszacować wszystkie cztery parametry funkcji psychometrycznej (próg, nachylenie, współczynnik rezygnacji i współczynnik zgadywania), wskaźnik rezygnacji zostanie ustawiony jako równy współczynnikowi zgadywania i będzie wymuszony, aby mieścił się w zakresie [0, 0,05], a model będzie dopasowany do danych metodą największej wiarygodności. Próg zostanie obliczony jako różnica między poziomami bodźców podczas występów (proporcja porównania została wybrana w prawo) równa 0,7602 i 0,5 zgodnie z skumulowanym dopasowaniem normalnym.