あなたは歯科・医療関係者ですか?

WHITE CROSSは、歯科・医療現場で働く方を対象に、良質な歯科医療情報の提供を目的とした会員制サイトです。

日本語AIでPubMedを検索

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。
J Vis.2020 Jul;20(7):9. 2770298. doi: 10.1167/jov.20.7.9.

高ダイナミックレンジ(HDR)輝度下での急激な暗転は、高コントラストのターゲットと輝度類似性によるグループ化を促進する

Abrupt darkening under high dynamic range (HDR) luminance invokes facilitation for high-contrast targets and grouping by luminance similarity.

  • Chou P Hung
  • Chloe Callahan-Flintoft
  • Paul D Fedele
  • Kim F Fluitt
  • Onyekachi Odoemene
  • Anthony J Walker
  • Andre V Harrison
  • Barry D Vaughan
  • Matthew S Jaswa
  • Min Wei
PMID: 32663253 DOI: 10.1167/jov.20.7.9.

抄録

シーンを横断して走査すると、輝度は最大で 100,000-to-1(ハイダイナミックレンジ、HDR)まで変化するため、視力と認識をサポートするために、網膜から大脳皮質までの複数の正規化機構が必要となる。100対1以下の標準ダイナミックレンジ(SDR)輝度コントラスト比に基づく視覚モデルでは、HDR輝度を持つ実世界のシーンに一般化する能力は限られている。本研究では、輝度正規化の脳内メカニズムにおいて、方位と輝度がどのように関連しているかを明らかにするために、HDR輝度ダイナミクス下でのガボール視標の方位識別を測定した。その結果、10倍から100倍の急激な暗転は、文脈に応じたファシリテーションに関与し、高コントラストの中心ターゲットの見かけ上の向きを歪めてしまうという新しい現象が報告された。驚くべきことに、ファシリテーションは輝度の類似性によるグループ化や、周囲の輝度変動の程度によっても影響を受ける。これらの結果は、活動の正規化のみに基づいた視覚モデルに挑戦し、実世界のシーンでより良いパフォーマンスを発揮するモデルにつながる新たな疑問を提起している。

When scanning across a scene, luminance can vary by up to 100,000-to-1 (high dynamic range, HDR), requiring multiple normalizing mechanisms spanning from the retina to the cortex to support visual acuity and recognition. Vision models based on standard dynamic range (SDR) luminance contrast ratios below 100-to-1 have limited ability to generalize to real-world scenes with HDR luminance. To characterize how orientation and luminance are linked in brain mechanisms for luminance normalization, we measured orientation discrimination of Gabor targets under HDR luminance dynamics. We report a novel phenomenon, that abrupt 10- to 100-fold darkening engages contextual facilitation, distorting the apparent orientation of a high-contrast central target. Surprisingly, facilitation was influenced by grouping by luminance similarity, as well as by the degree of luminance variability in the surround. These results challenge vision models based solely on activity normalization and raise new questions that will lead to models that perform better in real-world scenes.