Change blind反映了在杂乱的场景中无法立即检测到显著的变化，如这张照片所示(最右侧轮胎的大小不同)
信用:作者 我们的大脑有处理细节的非凡能力，但有时可能甚至没有注意到明显的差异
例如，在上面的图像中，有些人可能不会立即发现最右侧轮胎之间的尺寸差异
印度科学研究所神经科学中心和计算机科学与自动化系的一个研究小组研究了这种忽视视觉变化或变化盲的现象
在《公共科学图书馆·计算生物学》上发表的一项研究中，他们开发了一种新的眼球运动计算模型，可以预测一个人检测视觉环境变化的能力
研究人员认为，成功的变化检测可能与增强的视觉注意力有关，识别出更擅长选择性聚焦特定物体的人
在这项研究中，研究小组首先检查了39个人的变化盲，向他们展示了一对交替闪烁的图像，它们之间有微小的差异
“我们预计，能够很好地完成任务的受试者和不能很好地完成任务的受试者之间的眼球运动模式会有一些复杂的差异
相反，我们发现了一些非常简单的凝视指标，可以预测变化检测的成功，”神经科学中心副教授、该论文的对应作者斯里达哈兰·德瓦拉扬说
发现成功的变化检测与两个指标有关:受试者注视一个点的时间，以及他们注视两个特定点之间的路径的可变性(扫视幅度)
研究发现，在特定位置注视时间更长、眼球运动变化较小的受试者更能有效地发现变化
基于这些观察，研究人员开发了一个计算模型，可以预测一个人检测一系列相似图像变化的能力
该模型还考虑了生物参数、约束和人类偏见
Sridharan解释说:“由于生物神经元是‘有噪声的’，它们不会对图像进行精确编码。”
他补充说，大脑中神经元编码、处理和/或响应图像的方式有很大的可变性，这可以通过一种称为泊松过程的数学表示来捕捉
其他研究人员此前已经开发了只关注眼球运动或变化检测的模型，但由IISc团队开发的模型更进一步，将两者结合起来
研究人员还将他们的模型与最先进的深度神经网络“深度凝视二号”进行了对比测试，发现他们的模型在预测自由观看条件下的人类凝视模式方面表现更好——当受试者随意观看图像时
尽管深度凝视2可以预测一个人在看到图像时会看向哪里，但它在预测一个人寻找图像差异时的眼球运动模式方面不如国际空间研究所开发的模型那样有效
Sridharan解释说:“仅仅预测受试者会看向哪里是不够的，模型还必须考虑受试者在观看图像时的目标。”
未来，研究人员还计划将带有“记忆”的人工神经网络整合到模型中——以更真实地模拟我们的大脑保留对过去事件的回忆以检测变化的方式
作者说，他们的模型提供的理解变化盲的见解可以帮助科学家更好地理解视觉注意及其局限性
可以应用这种见解的一些领域包括诊断自闭症等神经发育障碍、改善驾驶时的道路安全或提高目击者证词的可靠性
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
