[論文レビュー] Computational role of eccentricity dependent cortical magnification

Tomaso Poggio, Jim Mutch+1 more|arXiv (Cornell University)|Jun 6, 2014

Visual perception and processing mechanisms参考文献 16被引用数 13

ひとこと要約

本論文は、視覚認識におけるスケールおよびトランスレーション不変性の計算的必要性から、初期視覚領域（V1）における拡散依存性の皮質拡大が生じることを提案する。M理論の拡張を用いて、拡散に応じてサイズが増加する受容野の切断錐体が自然に出現し、均一なスケール不変性を可能にし、約26分の1度の中心窩を予測するとともに、皮質プーリングによるBoumaの法則を説明し、神経構造と自然視条件下での不変認識を結びつける。

ABSTRACT

We develop a sampling extension of M-theory focused on invariance to scale and translation. Quite surprisingly, the theory predicts an architecture of early vision with increasing receptive field sizes and a high resolution fovea -- in agreement with data about the cortical magnification factor, V1 and the retina. From the slope of the inverse of the magnification factor, M-theory predicts a cortical "fovea" in V1 in the order of $40$ by $40$ basic units at each receptive field size -- corresponding to a foveola of size around $26$ minutes of arc at the highest resolution, $\approx 6$ degrees at the lowest resolution. It also predicts uniform scale invariance over a fixed range of scales independently of eccentricity, while translation invariance should depend linearly on spatial frequency. Bouma's law of crowding follows in the theory as an effect of cortical area-by-cortical area pooling; the Bouma constant is the value expected if the signature responsible for recognition in the crowding experiments originates in V2. From a broader perspective, the emerging picture suggests that visual recognition under natural conditions takes place by composing information from a set of fixations, with each fixation providing recognition from a space-scale image fragment -- that is an image patch represented at a set of increasing sizes and decreasing resolutions.

研究の動機と目的

• 視覚認識におけるスケールおよびトランスレーション不変性の計算的解決策として、初期視覚処理の神経構造を説明すること。
• 自然視覚で経験する変換に対して不変表現を要求するという要件から、V1における受容野の構造を導出すること。
• 皮質拡大係数の勾配に基づいて、中心窩のサイズと形状を予測することで、実験的データと一致させること。
• クラウディング効果（Boumaの法則）が視覚経路における領域ごとのプーリングから生じることを示すこと。
• スケール空間サンプリングと上位からの制御を通じて、階層的処理の役割を不変認識において統一すること。

提案手法

• 画像テンプレートにおける変換（平行移動およびスケーリング）のサンプリングに基づく教師なし学習を含むM理論の拡張。
• 受容野をs（スケール）とx（位置）の平面における切断錐体としてモデル化し、拡散が高くなるほどサイズが増大するように設定。
• ガボール類似テンプレートと類似変換（スケーリングおよび平行移動）を用いて、不変表現の幾何学を導出。
• 受容野サイズと拡散の逆関係として皮質拡大係数を導出し、平坦な高解像度中心窩領域の予測を可能にする。
• スケール不変性は拡散にかかわらず一様に成立するが、シフト不変性は空間波長に線形的に増加することを予測。
• 皮質領域間のプーリングをモデル化し、クラウディング効果を説明。Bouma定数はV2レベルの処理から生じる。

実験結果

リサーチクエスチョン

• RQ1 視覚認識におけるスケールおよびトランスレーション不変性の要請が、V1における観察された拡散依存性皮質拡大をどのように生じさせるか。
• RQ2 皮質拡大係数の勾配に基づいて予測される中心窩のサイズと構造は何か。
• RQ3 なぜ生物学的視覚においてスケール不変性がシフト不変性よりも完全で自然であるのか。
• RQ4 視覚認識におけるクラウディング効果は、初期視覚領域における神経的プーリングからどのように生じるか。
• RQ5 スケールおよび位置の across における階層的サンプリングプロセスによって、視覚特徴の不変表現を説明できるか。

主な発見

• 理論は、皮質拡大係数の勾配から導かれる40×40ユニットの高解像度領域に対応する約26分の1度の中心窩を予測する。
• 中心窩領域のサイズは約40分の1度と予測され、マカクV1における20〜30分の1度の実験的推定値と整合する。
• スケール不変性は拡散にかかわらず一様に成立するが、シフト不変性は空間波長に線形的に増加し、位置シフトに対する耐性の差を説明する。
• Boumaの法則によるクラウディングは、視覚経路における領域ごとのプーリングから自然に生じ、Bouma定数（約0.4）はV2レベルの信号が認識に重要であることを示唆する。
• 理論は、拡散にかかわらずs_minからs_maxまでのスケーリングに対して認識が不変であると予測し、Anstisの文字認識に関する発見（サイズ変化下での認識の不変性）を説明する。
• 上位からの信号がプーリング範囲を調整可能であり、非注目領域の注意抑制の神経的メカニズムを示唆する。