Studera effekterna av naturliga visuella scenförändringar på typisk visuell perception för vuxna

Bakgrund

Den naturliga visuella miljön är ofta komplex, med en enda visuell scen som innehåller en mängd olika stimuli. Dessa stimuli kan ändras snabbt och ofta. För att ytterligare komplicera saken kan beteenderelevansen för en viss stimulans eller visuell funktion också ändras vid varje givet ögonblick. Visuell perception i realistiskt komplexa visuella miljöer kräver konstant utvinning av uppgiftsrelevant stimulansinformation från ett överflöd av irrelevant information. Att förstå hur uppgiftsrelevant information används för att styra beteenden i samband med ständigt föränderliga, funktionsrika visuella miljöer är en nyckelkomponent för att förstå perception. Detta kan vara särskilt sant om det visuella systemet är evolutionärt optimerat för att prestera i realistiskt komplexa miljöer där den beteendemässigt relevanta stimulansen eller funktionen kan ändras snabbt och ofta.

Målet med denna studie är att undersöka den övergripande förutsägelsen att det visuella systemet är optimerat för att extrahera visuell information på ett generaliserat sätt som är flexibelt för det stora utbudet av ständigt föränderliga visuella egenskaper som möter i naturliga miljöer. Specifikt kommer denna studie att testa hypotesen att, i samband med realistiskt komplexa naturliga scener, så påverkar uppgifts-irrelevant visuell funktionsvariabilitet negativt deltagarnas förmåga att urskilja den visuella egenskap som är relevant för uppgiften.

Metoder

Deltagare

De experimentella protokollen är godkända av University of Pennsylvania Institutional Review Board. Deltagarna kommer att bjudas in att frivilligt delta i denna studie. Deltagarna kommer att ge informerat samtycke. För att säkerställa att deltagarna uppfyller behörighetskriterierna kommer de innan experimentet att intervjuas och de kommer att fylla i en enkät. Också före experimentet kommer de att screenas för synskärpa med hjälp av ett Snellen-ögondiagram och för färgbrister med hjälp av Ishihara-platttestet. De kommer att exkluderas före experimentet om deras bäst korrigerade synskärpa är sämre än 20/40 i något öga eller om de gör några fel på Ishihara-platttestet.

För inskrivna deltagare kommer deras tröskel för horisontell positionsdiskriminering (i ett kontrolltillstånd utan någon uppgiftsirrelevant variabilitet; se sessionsorganisation nedan för detaljer) att beräknas baserat på deras prestation på den experimentella uppgiften under deras första session. Deltagarna kommer att uteslutas efter avslutad första session om deras horisontella positionsdiskrimineringströskel i kontrolltillståndet är högre än ett maximalt värde på 0,6 graders synvinkel, och deltagare som utesluts vid denna tidpunkt kommer inte att delta i några ytterligare experimentella sessioner. Om väldigt få anmälda deltagare uppfyller detta kriterium kommer detta maximala tröskelvärde för deltagare att höjas. Om det maximala tröskelvärdet för inkludering höjs, kommer deltagare som tidigare exkluderats inte att återinkluderas i experimentet posthoc.

Anordning

En kalibrerad LCD-färgmonitor (27-tums NEC MultiSync PA271Q QHD Color Critical Desktop W-LED-monitor med SpectraView Engine; NEC Display Solutions) kommer att användas för att visa stimuli i ett annars mörkt rum, efter att deltagarna har anpassat sig till mörker i experimentet rum i minst 5 minuter. Skärmen kommer att drivas med en pixelupplösning på 1920 x 1080, med en uppdateringsfrekvens på 60 Hz och med 8-bitars upplösning för varje RGB-kanal. Värddatorn för denna bildskärm kommer att vara en Apple Macintosh med en Intel Core i7-processor. Huvudpositionen för varje deltagare kommer att stabiliseras med hjälp av en hakskål (Headspot, UHCOTech, Houston, TX). Deltagarens ögon kommer att centreras horisontellt och vertikalt i förhållande till monitorn. Avståndet mellan deltagarens ögon och monitorn kommer att vara 75 cm. Deltagaren kommer att mata in sina svar med en Logitech F310 gamepad-kontroller.

Stimuli

Alla stimuli är varianter av samma naturliga visuella scen: en kvadratisk bild (med 8 graders synvinkel i både bredd och höjd), där ett centralt föremål (en banan, som täcker ungefär 4 graders synvinkel på höjden) är presenteras på en ungefär cirkulär uppsättning av överlappande bakgrundsobjekt (undervisar ungefär 5 graders synvinkel och består av överlappande grenar och löv). Det centrala objektet (bananen) och/eller det som kommer att kallas "bakgrundsobjekten" (grenarna och löven) förändras i horisontell position, rotation och/eller djup över olika stimuli. Det centrala objektet och bakgrundsobjekten presenteras i sammanhang med andra objekt som aldrig rör sig över olika stimuli (en klippavsats, en skyline och tre mossbeklädda stubbar).

Den naturliga visuella scenen skapades med Blender, en öppen källkodssvit för 3D-skapande (https://www.blender.org, Version 2.81a). Det centrala objektet och/eller bakgrundsobjekten flyttades i horisontellt läge, rotation och/eller djup för att skapa olika stimuli med iset3d, ett mjukvarupaket med öppen källkod (https://github.com/ISET/iset3d) som fungerar med en modifierad version av pbrt (https://github.com/mmp/pbrt-v3). Bilderna skapades med iset3d med en upplösning på 1920 x 1920 med 100 sampel per pixel, vid 31 lika fördelade våglängder mellan 400 nm och 700 nm.

Bilderna skapade med iset3d konverterades till RGB-bilder med hjälp av anpassad programvara (Natural Image Thresholds; https://github.com/AmyMNi/NaturalImageThresholds) skrivet med MATLAB (MathWorks; Natick, MA) och baserat på mjukvarupaketet Virtual World Color Constancy (github.com/BrainardLab/VirtualWorldColorConstancy). Natural Image Thresholds är beroende av rutiner från Psychophysics Toolbox (http://psychtoolbox.org), iset3d (https://github.com/ISET/iset3d), och isetbio (http://psychtoolbox.org). För att konvertera en hyperspektral bild skapad med iset3d till en RGB-bild för presentation på den kalibrerade monitorn, användes hyperspektrala bilddata först för att beräkna LMS-konexcitationer. Sedan konverterades LMS-konexcitationerna till en metamerisk renderad bild i monitorns RGB-färgrymd, baserat på monitorns kalibreringsdata. RGB-bilden gammakorrigerades med användning av en gemensam skalning som förde in alla RGB-bilder i stimulusinställningen till monitorns visningsområde.

Stimulierna kommer att presenteras på den kalibrerade monitorn i samband med den psykofysiska uppgiften. Stimulierna kommer att presenteras på en enhetlig grå bakgrund (~100 cd/m^2), som kommer att presenteras på monitorn under hela experimentsessionen.

Psykofysisk uppgift

En psykofysisk uppgift kommer att användas för att mäta deltagarnas förmåga att urskilja den horisontella positionen för det centrala objektet som presenteras inom bakgrunden av bakgrundsobjekt i en naturlig visuell scen. Uppgiften kommer att vara en två-intervalls forcerad valuppgift som presenterar en stimulans per intervall. Varje intervall kommer att ha en varaktighet på 250 ms. Varje stimulans kommer att presenteras i mitten av monitorn. Mellan de två stimulansintervallen kommer två masker att visas i följd i mitten av monitorn. Varje mask kommer att presenteras under en varaktighet av 400 ms, för ett totalt interstimulusintervall på 800 ms (se Sessionsorganisation nedan för maskdetaljer).

Deltagarens uppgift kommer att vara att avgöra om, jämfört med det centrala objektet som presenteras i det första intervallet, det centrala objektet som presenteras i det andra intervallet är till vänster eller till höger. Efter de två intervallen kommer deltagaren att ha en obegränsad tid på sig att trycka på en av två svarsknappar på spelplattan (den övre vänstra utlösaren för att indikera att det centrala objektet i det andra intervallet var till vänster, den övre högra utlösaren för att indikera att det var till höger). En av två återkopplingstoner kommer att presenteras efter att svaret har skrivits in, vilket indikerar om deltagaren var korrekt eller felaktig. För försök där det inte finns någon skillnad i positionen för det centrala objektet mellan de två intervallen, kommer svaret som kommer att få rätt återkopplingston att väljas slumpmässigt per försök. Försöken kommer att separeras med ett mellanförsöksintervall på cirka 1 sekund.

De experimentella programmen finns i det anpassade mjukvarupaketet Natural Image Thresholds (https://github.com/AmyMNi/NaturalImageThresholds). De skrevs i MATLAB (MathWorks; Natick, MA) och var baserade på mjukvarupaketet Virtual World Color Constancy (github.com/BrainardLab/VirtualWorldColorConstancy). De förlitar sig på rutiner från Psychophysics Toolbox (http://psychtoolbox.org) och mgl (http://justingardner.net/doku.php/mgl/overview).

Sessionsorganisation

Det förväntas att deltagarna kommer att slutföra detta pilotexperiment i sex sessioner. Den första sessionen kommer att inkludera deltagares registreringsprocedurer (informerat samtycke, syntester, etc.; se Deltagare ovan för detaljer) samt bekanthetsförsök (se nästa stycke) och kommer att ta ungefär en och en halv timme. Den andra till och med sjätte sessionen tar cirka en timme vardera.

Under den första sessionen, innan uppgiften påbörjas, kommer deltagaren att få uppgiftsinstruktioner och ges möjlighet att öva på att trycka på svarsknapparna. Endast för den första sessionen kommer deltagaren att börja med 30 bekanthetsförsök. Förtroendeförsöken kommer att bestå av, i ordningsföljd: 10 slumpmässigt utvalda lätta försök (de största lägesförändringsjämförelserna), 10 slumpmässigt utvalda försök med medelsvårighet (de 4:e och 5:e största lägesändringsjämförelserna) och 10 slumpmässigt utvalda försök från alla möjliga lägesförändringsjämförelser. Förtroendeförsöken kommer inte att inkludera någon uppgiftsirrelevant variation. Data från bekantskapsförsöken kommer inte att sparas. Bekantskapsförsöken kommer att följas av en paus, under vilken deltagaren kommer att ges möjlighet att ställa eventuella frågor de kan ha. Pausen slutar när deltagaren indikerar att de är redo (med en knapptryckning), och experimentet börjar.

I varje session kommer det att finnas två villkor: "villkor" hänvisar till referenspositionen för det centrala objektet. För varje referensposition kommer det att finnas 11 "jämförelse"-positioner för det centrala objektet: fem jämförelsepositioner i positiv horisontell riktning, fem jämförelsepositioner i negativ horisontell riktning och en jämförelseposition på 0 som indikerar ingen förändring. I varje försök kommer ett intervall att innehålla ett referensstimulus och det andra intervallet kommer att innehålla ett av referensstimulans jämförelsestimuli. Den ordning i vilken dessa två stimuli presenteras i ett försök kommer att väljas slumpmässigt per försök.

Ett "block" av försök kommer att bestå av 2 villkor och 11 jämförelser per villkor, för totalt 22 försök. Försöken inom ett block kommer att köras i randomiserad ordning. Ett block kommer att slutföras innan nästa testblock börjar. Det kommer att finnas 14 iterationer av ett block, för totalt 308 försök.

Denna uppsättning av 308 försök kommer att utgöra en enda "brusnivå". En enstaka session kommer att bestå av tre ljudnivåer: Ljudnivå 0, Ljudnivå 1 och Ljudnivå 2. Försöken för varje ljudnivå kommer att delas upp i två "körningar" (154 försök per körning). Således kommer varje körning att omfatta en enda ljudnivå. De sex körningarna kommer att köras i slumpmässig ordning per session. Varje löptur skiljs åt av en paus som varar minst en minut och under vilken deltagaren instrueras att stå eller sträcka på sig vid behov. Varje rast avslutas när deltagaren indikerar att de är redo (med en knapptryckning).

Över alla sex körningar kommer det att finnas totalt 924 försök. Dessutom kommer varje pass att börja med fyra övningsförsök (inklusive det första experimentpasset, som kommer att föregås av bekanthetsförsök enligt beskrivningen ovan). Varje pass kommer också att innehålla ett övningsprov efter var och en av de fem pauserna. Varje övningsprov kommer att väljas slumpmässigt från uppsättningen av enkla prövningar (beskrivna ovan) och kommer inte att inkludera någon uppgiftsirrelevant variation. Data från övningsproven kommer inte att sparas. Inklusive de nio övningsproven blir det totalt 933 försök per pass.

För brusnivå 0 kommer det inte att ske några förändringar av bakgrundsobjekten (grenarna och löven). Brusnivå 0 kommer att vara kontrollvillkoret och kommer att användas för att bestämma deltagarens tröskel för att urskilja det centrala objektets horisontella position utan något uppgiftsrelevant stimulusljud. Brusnivåerna 1 och 2 kommer att användas för att bestämma deltagarens tröskel för att urskilja det centrala objektets horisontella position i närvaro av uppgiftsirrelevant stimulusljud.

Brusnivå 1 kommer att bestå av uppgiftsirrelevant brus i en enda uppgiftsirrelevant funktion: rotation. En uppgiftsirrelevant rotationsmängd kommer att tillämpas på varje stimulans separat. För varje stimulus kommer en enda rotationsmängd att dras slumpmässigt från en pool med 51 rotationsmängder, och bakgrundsobjekten i stimuluset kommer alla att roteras med den rotationsmängden. Rotationsbeloppet kommer att dras separat (slumpmässigt med ersättning) för var och en av de två stimuli som presenteras i ett försök (referenspositionsstimulus och jämförelsepositionstimulus). Poolen med 51 rotationsbelopp kommer att bestå av: en rotationsmängd noll (ingen förändring av bakgrundsobjekten), 25 lika stora rotationsmängder i medurs riktning och 25 lika fördelade rotationsmängder i moturs riktning.

Bullernivå 2 kommer att bestå av uppgiftsirrelevant buller i två uppgiftsirrelevanta funktioner: rotation och djup. För Bullernivå 2 kommer det även att finnas en pool på 51 bullermängder, men varje bullermängd i bassängen kommer att bestå av både en rotationsmängd (samma 51 rotationsmängder som i Bullernivå 1) och en djupmängd. Det kommer att finnas 51 möjliga djupmängder (ett djupmängd noll, 25 lika fördelade djupmängder i positionsriktningen och 25 lika stora djupmängder i negativ riktning). För bullernivå 2-poolen med 51 bullermängder kommer en av bullermängderna att bestå av en rotationsmängd på noll och en djupmängd på noll. För de återstående 50 bullermängderna i poolen kommer var och en av de återstående 50 rotationsmängderna att slumpmässigt tilldelas (utan ersättning) till ett av de återstående 50 djupmängderna. Från denna bullernivå 2-pool med 51 brusmängder, kommer en enda brusmängd att dras slumpmässigt (med ersättning) för var och en av de två stimulierna i ett försök separat.

Slutligen, som noterats ovan (se Psykofysisk uppgift), kommer två masker att visas per försök under interstimulusintervallet. Alla masker över alla brusnivåer kommer att dras från samma fördelning av stimuli (stimuli med brusnivå 0, och innehåller alltså inget brus som inte är relevant för uppgiften). För att skapa var och en av de två maskerna i ett försök: För det första kommer de centrala objektpositionerna i försökets första och andra intervall att bestämmas. De två stimuli med brusnivå 0 som matchar de centrala objektpositionerna i det första och andra intervallet kommer att användas för att skapa testmaskerna. För var och en av dessa två stimuli kommer den genomsnittliga intensiteten att beräknas per RGB-kanal per 16 x 16 block av stimulansen. Därefter kommer varje 16 x 16 block av en mask att dras slumpmässigt från antingen den ena eller den andra stimulansen och kommer att utgöras av den enhetliga genomsnittliga intensiteten beräknad per RGB-kanal för det blocket av den valda stimulansen. Således kommer de två maskerna som visas per försök att bestå av olika slumpmässiga dragningar per 16 x 16 block.

Dataanalys

Per session kommer deltagarens tröskel för att urskilja objektposition att mätas för varje ljudnivå. Först, för varje jämförelseposition kommer andelen försök där deltagaren svarade att jämförelsestimulansen var placerad till höger om referensstimulansen att beräknas. Därefter kommer andelen jämförelsen valdes som åt höger att passa med en kumulativ normal funktion med hjälp av Palamedes Toolbox (http://www.palamedestoolbox.org). För att uppskatta alla fyra parametrarna för den psykometriska funktionen (tröskelvärde, lutning, lapse rate och gissningsfrekvens), kommer lapse raten att ställas in lika med gissningsfrekvensen och kommer att tvingas ligga i intervallet [0, 0,05] och modellen kommer att anpassas till uppgifterna med hjälp av metoden med maximal sannolikhet. Tröskeln kommer att beräknas som skillnaden mellan stimulusnivåerna vid prestationer (andel som jämförelsen valdes som åt höger) lika med 0,7602 och 0,5, bestämt av den kumulativa normala passningen.