Die Entwicklung eines frühen Verarbeitungsmodells von Helligkeitswahrnehmung: Experimente und Theorie
Zusammenfassung der Projektergebnisse
Eine zentrale Frage der Forschung zu menschlicher visueller Wahrnehmung ist wie aus dem Erregungsmuster auf der Netzhaut bedeutsame Wahrnehmungsinhalte entstehen. In meiner Forschung untersuche ich die Frage im Bereich der Helligkeitswahrnehmung, d.h. es geht darum zu verstehen wie aus der Antwort der Photorezeptoren, die proportional zur einfallenden Lichtmenge variiert, die Helligkeit von Flächen kodiert wird. Dass dieser Zusammenhang nicht „eins-zu-eins“ ist, zeigen selbst so einfache Phänomene wie Simultaner Helligkeitseffekt und White’s Effekt, wo zwei Flächen mit identischem Grauwert unterschiedlich hell wahrgenommen werden, wenn sie auf dunklem oder hellem Grund gezeigt werden. Während das Feld auf hellem Grund im Simultanen Helligkeitskontrast dunkler aussieht, sieht das Feld, das in White’s Effekt mehr Kante mit weiß teilt, heller aus. Während zumindest einige computationale Modelle für diese verhältnismäßig einfachen Reize noch korrekte Vorhersagen machen, wird es dann für „komplexere“ Reize wie die Dungeon-Illusion schon deutlich schwieriger und für andere Phänomene wie Adelson’s Schachbrettmuster haben wir noch kein computationales Modell, das uns auf Basis des Bildes eine Vorhersage über die Helligkeit aller Flächen machen würde. Eines der größten Probleme im Bereich der Forschung zu (Helligkeits-)Wahrnehmung ist, dass sowohl die bisher existierenden Modelle als auch die meisten verwendeten Stimuli nicht öffentlich zugänglich sind. Der dazu notwendige Programmcode ist im besten Fall auf Anfrage von den AutorInnen erhältlich und häufig schlecht dokumentiert. Daher war eine der Hauptanstrengungen in diesem Projekt, ein open source-Framework zu schaffen, in dem die wichtigsten Modelle und ein Benchmark-Set von Stimuli implementiert und für jeden frei verfügbar sind. Das ist gelungen. Wir haben BRENCH (Brightness benchmark) entwickelt und bereits auf Konferenzen vorgestellt. Das Framework erlaubt, Modellvorhersagen verschiedener Modelle (aus verschiedenen Publikationen) für verschiedene Stimuli zu berechnen und miteinander zu vergleichen. Das erleichtert Replikationsversuche und erhöht die Transparenz des Vorgehens. Außerdem erlaubt BRENCH Vorhersagen für extreme Stimuli zu machen, die maximal zwischen Modellen differenzieren können und dann genau diese Stimuli mit Beobachtern zu testen. Das erhöht die experimentelle Effizienz.
Projektbezogene Publikationen (Auswahl)
-
(2018). A contrast-based model of achromatic transparency. Computational and Mathematical Models in Vision (Modvis). St. Pete Beach, Florida, USA. May 16-18, 2018
Maertens, M., Kim, M. & Aguilar, G.
-
(2018). Michelson contrast for transparency perception in scenes with multiple luminances. Computational and Mathematical Models in Vision (Modvis). St. Pete Beach, Florida, USA. May 16-18, 2018
Kim, M., Aguilar, G. & Maertens, M.
-
Understanding the reduction in Michelson contrast for the perception of transparency. European Conference on Visual Perception. Trieste, Italy. August 26-31, 2018
Kim, M., Aguilar, G. & Maertens, M.
-
(2019). Comparing Scaling Methods in Lightness Perception. Perception 48(2S), 129
Shaohan Li, Bernhard Lang, Guillermo Aguilar, Marianne Maertens and Felix A. Wichmann
-
(2019). How to Compare Perceptual Scales Across Contexts: A Comparison of MLDS and MLCM. Perception 48(2S), 11
Aguilar, G. and Maertens, M.
-
(2020). Toward reliable measurements of perceptual scales in multiple contexts. Journal of Vision, 20
Aguilar, G. and Maertens, M.
-
(2021). A history and modular future of multiscale spatial filtering models. Vision Science Society Annual Meeting
Vincent, J. And Maertens, M.
-
(2021). A strategy for presenting computational models intelligibly. Vision Science Society Annual Meeting
Pohlmann, M. Schmittwilken, L. and Maertens, M.
-
(2021). The missing linking functions in computational models of brightness perception. European Conference On Visual Perception
Vincent, J. and Maertens, M.
-
(2021). Towards benchmarking models of brightness perception. European Conference On Visual Perception
Matic, M., Schmittwilken, L., Maertens, M. and Vincent, J.
