幼儿手部操作中自生成视角的低层视觉敏感性为以物体为中心的3D形状知觉提供基础

《Developmental Science》：Visual Sensitivities in Toddlers’ Hands Provide a Foundation for Shape Perception

　　

摘要
人类在物体识别和类别泛化中的能力涉及对物体3D几何（3D geometry）的表征。对于此类以物体为中心的表征（object-centric representations）如何形成，尚无公认解释。幼儿对物体的手部与视觉探索与其正在出现的物体识别和类别泛化能力密切相关，但支撑这种关联的过程仍理解有限。基于 Marr and Nishihara 的形状理论，研究人员提出：（1）幼儿主动选择能优化对长延伸（long extents）以及水平与垂直方向边缘（edges oriented horizontally and vertically）的基本视觉敏感性（fundamental visual sensitivities）的视角；（2）这些偏向性视角导致物体的最大延伸轴，即主轴线（major axis），在从物体投射到眼的可变2D形状（2D shapes）中稳定存在。研究人员分析了幼儿（n = 90，12–38个月）在操作物体时的自我中心视角（egocentric views）的视觉属性。研究人员观察到物体视角的高度偏向性采样：物理物体的主轴线接近最大延伸（near maximal extension），并接近水平或垂直方向；这两个属性使主轴线在投射到眼的可变2D形状中可稳定确定。研究结果表明，基本低层视觉敏感性（low-level visual sensitivities）可能在偏置行为中发挥关键发育作用，这些行为以某种方式偏置输入，使困难计算问题变得可处理。研究结果还为聚焦于3D形状的以物体为中心表征发展的研究提供了实证议程。
总结
研究人员考察了幼儿物体自我中心视角的视觉属性。
研究人员发现，生成的视角是对可能视角的选择性采样，这些视角优化了形状知觉的基础低层视觉属性。
研究结果表明，幼儿对物体视角的视觉经验存在强内在约束。
幼儿生成视角中的偏向与3D几何的以物体为中心表征的类别理论一致。

论文解读
人类能从异常视角识别常见物体，也能把同类不同实例视为具有相同3D几何（3D geometry）的实例。这类能力提示存在以物体为中心的表征（object-centric representations），即由物体内在坐标系统组织的3D几何表征。问题在于，眼接收的是高度可变的2D投影，而物理物体被知觉为具有稳定本质形状；如何从可变2D投影形成物体中心表征尚无公认解释。Sun 等曾指出，若没有内在轴的预指定，物体中心表征可能无法从多样化2D投影中学习。Marr and Nishihara 提出，解决途径可能在于从有偏子样本视角构建3D表征。幼儿期是物体识别和类别泛化快速发展期，且幼儿手部与视觉探索物体与这些能力密切相关，但其过程理解有限。因此，研究人员提出并检验：幼儿是否主动选择优化长延伸和水平/垂直边缘基本视觉敏感性的视角，以及这些偏向视角是否使物体最大延伸轴，即主轴线（major axis），在投射到眼的可变2D形状中稳定存在。
研究人员分析了90名12–38个月幼儿操作物体时的自我中心视角（egocentric views，从头部/眼出发的物体视角）的视觉属性。结论是，幼儿生成的视角并非所有可能视角的均匀采样，而是高度偏向性采样：主轴线接近最大延伸，且接近水平或垂直；投影2D形状的主延伸轴（main axis）和局部边缘也偏向水平或垂直；主轴线与2D形状主方向高度对应。意义在于，低层视觉敏感性（low-level visual sensitivities）可能通过偏置行为选择输入，使困难计算问题变得可处理，并为3D形状的物体中心表征发展提供实证议程。
关键技术方法方面，研究基于头戴摄像机采集的幼儿自我中心图像语料。样本来源为 Indiana University Protocol 902000021，Monroe County, Indiana 的 opt-in 发展研究数据库；n = 90，12–38个月，42名女性。选取4个简单对称物体，得到232段操作序列，平均15.79 s，SD = 14.65 s，1 Hz采样共N = 3664帧。人类编码结合3D渲染估计物体姿态（Euler angles，YZX）；计算主轴线与线视线（line of sight, LOS）及画面垂直方向夹角；用二阶矩椭圆（second-moment ellipse）拟合投影2D形状并测主方向，计算局部边缘方向；随机3D旋转生成N = 8000零假设数据；编码单手/双手持物；使用K–S、精确二项、χ²、logistic 混合效应和 log-linear 模型分析。
研究结果：
3.1 Hypothesis Views：分析幼儿操作物体时主轴线相对LOS和头中心垂直方向的分布。结果显示，主轴线更接近垂直于LOS，37%的幼儿视角在10°内，零假设为17%，K–S statistic D = 0.231，p < 0.001；主轴线也更常水平或垂直，20%在水平10°内、15%在垂直10°内，精确二项检验 p < 0.001，且与零假设分布不同，D = 0.102，p < 0.001。幼儿生成的视角是高度受限子样本，主要为围绕接近最大延伸且近水平或近垂直的主轴旋转。
3.2 Hypothesis 2D Shape：分析投影2D形状二阶矩椭圆主方向和局部边缘方向。椭圆主方向偏向水平/垂直，与零假设不同，D = 0.105，p < 0.001；水平10°内20%，垂直10°内14%，精确二项 p < 0.001。局部边缘水平占12%、垂直占11%，合计23%，高于零假设16%，χ²(1, N = 11164) = 77.597，p < 0.001。
3.3 Hypothesis Major-Main Axes：逐帧比较物体主轴线与拟合椭圆主方向相对垂直方向。幼儿数据中两者高度相关，Spearman r_s(3662) = 0.924，p < 0.001；零假设也强相关但略弱，r_s(7998) = 0.896，p < 0.001。幼儿数据还增强了两点：主轴线更常接近最大延伸，且主轴线与主方向聚集在近水平/近垂直。
3.3.1 Age Effects：主轴线在10°内接近垂直LOS的比例随连续年龄增加，logistic 混合效应模型 p < 0.002，但 R² = 0.081，解释方差很小；局部边缘、主轴线、投影2D形状主方向的水平/垂直偏向无年龄效应，p > 0.50。偏差在12–38个月较稳定。
3.3.2 Object Effects：四物体总体模式相似但存在可靠差异；物体a和b（主轴线相对其他轴最长）更少完全延伸，与原猜想相反；垂直方向对物体b更显著，水平对物体c更显著，拟合椭圆类似；局部边缘水平/垂直无物体差异。双手持物占65.1%，单手持物33.2%，1.7%不可见；a和b双手更少（60%、59%），c和d为68%、70%，χ²(3) = 21.342。双手持物时主轴线更常近垂直LOS（70% vs 62%，χ²(1) = 19.282，p < 0.001）；水平时双手79.3%，垂直68.7%，其他59%。Log-linear 最佳模型含两两交互；双手与最大延伸（40.2% vs 31.8%）、水平方向（26.0% vs 12.3%）相关；水平持物与最大延伸相关（57.3% vs 垂直30.5%，其他33%）。双手使用、主轴线垂直LOS、与基本方向对齐相互依赖。
讨论总结：人类视觉发展依赖经验。幼儿主动操作物体所生成的视觉经验高度受限，并与优化辨别和信息提取的视觉敏感性一致，也与Marr and Nishihara关于物体中心表征形成以及主轴线作为自然轴和骨干的理论一致。未直接检验非偶然属性，但水平/垂直局部边缘占优与该观点一致。若幼儿生成视角支持3D物体表征快速形成，则人类物体中心表征形成可能在于年幼人类生成的训练数据；这对机器学习中训练集结构也有启示。限制在于研究未证明这些视觉属性实际促进3D形状表征形成，且所选简单对称物体限制普遍性，并未识别造成偏差的过程和行为。开放问题包括控制假说、身体形态和动作作为先验、双手中线持物、重力、功能动作和触觉影响，以及对感觉运动受扰儿童非典型发展路径的意义。
研究结论部分翻译：这些发现表明，基本低层视觉敏感性可能在偏置行为中发挥关键发育作用，这些行为以某种方式偏置输入，从而使困难的计算问题变得可处理。这些发现还为聚焦于3D形状的以物体为中心表征发展的研究提供了实证议程。最后，幼儿通过自身身体动作生成用于物体识别的受约束视觉经验，这一发现对理解非典型发展路径具有重要意义：如果瞬时行为创造瞬时输入并因此总体上构成经验统计，那么感觉运动系统受到扰动的婴幼儿和儿童可能为视觉认知生成受扰动的输入。