视觉大脑如何通过多尺度、渐进式分组过程学习解析图像:一种可学习的神经机制

《PLOS Computational Biology》:How the visual brain can learn to parse images using a multiscale, incremental grouping process

【字体: 大 中 小 】 时间:2026年04月16日 来源:PLOS Computational Biology 3.6

编辑推荐:

  视觉系统如何从复杂场景中解析并分组属于同一物体的图像元素,是理解物体注意力的关键。本研究提出一种新型循环神经网络架构,模拟视觉皮层通过前馈通路动态选择处理尺度,并通过涉及VIP和SOM中间神经元的去抑制环路,在水平和反馈连接中传播增强的神经元活动。该模型采用生物启发的强化学习(RELEARNN)进行训练,结果显示,模型在短曲线上的训练可泛化至长曲线和二维物体解析任务,其根据曲线间距和物体宽度选择尺度的行为与人类心理物理学及猴类视觉皮层的观测一致。这项工作为大脑中多尺度、基于物体的注意力的学习和执行机制提供了新的解释。

  
在繁忙的街头、杂乱的房间或是茂密的森林中,我们的视觉系统每时每刻都在进行着惊人的工作:从纷繁复杂的视觉信息流中,迅速识别出哪些线条、色块和轮廓属于同一个物体,并将它们从背景和其他物体中分离出来。这个过程被称为知觉分组或基于物体的注意力,是我们理解世界、引导行为的基础。格式塔心理学家在一个多世纪前就总结了一些分组原则,如相连性和良好连续性。然而,我们的大脑究竟是如何在神经层面上实现这种灵活、有时甚至是逐元素推进的分组过程的?特别是当我们面对从未见过的物体或复杂的曲线时,这种能力从何而来?这不仅是理解心智的核心问题,也对开发更智能的机器视觉系统具有深远意义。
神经科学研究发现,在执行如曲线追踪这类任务时,视觉皮层中表征目标曲线的神经元会逐渐增强其放电频率,这种增强的神经活动会沿着目标曲线的表征逐渐蔓延,如同“注意力”在物体上扩散。有趣的是,这种“追踪”速度并非一成不变:当目标曲线与干扰曲线距离较近,或者曲线弯曲程度较高时,追踪速度会减慢。一个主流的假说——“生长锥”模型认为,大脑会根据刺激的局部几何形状,动态地在具有不同大小感受野的多个视觉皮层区域中进行处理,以实现多尺度、尺度不变的分组。然而,这个优雅的模型此前缺乏一个能够通过生物合理的学习机制来自我习得的神经计算实现。
为了填补这一空白,研究人员在《PLOS Computational Biology》上发表了一项研究,构建并训练了一个受生物启发的循环神经网络模型,旨在揭示大脑如何学会这种多尺度的渐进式分组。研究者希望回答两个核心问题:神经网络如何学会将同一物体的图像元素分组?以及,何种机制使得网络能够学会以多种空间尺度传播增强的神经活动?
研究人员主要采用了以下几种关键技术方法:首先,他们设计了一个包含四个空间尺度的分层网络架构,包含负责尺度选择的前馈通路和负责传播增强活动的循环通路。其次,引入了一个基于VIP和SOM中间神经元的生物可塑性去抑制环路,以稳定实现活动传播。再者,采用了一种生物合理的强化学习规则——RELEARNN算法,通过试错(仅接收任务对错奖励信号)来训练网络权重,模拟了训练动物执行任务的过程。训练数据包括计算机生成的曲线追踪任务(在36x36网格上)和物体解析任务(在72x72网格上)的刺激图像。
曲线追踪任务
网络首先在曲线追踪任务上进行训练。研究人员使用课程学习策略,从短曲线开始,逐步增加长度。所有被训练的网络最终都能100%准确地在训练集和更长的、未见过的曲线上完成任务,表明网络学会的是通用分组规则,而非记忆特定模式。分析网络内部动态显示,增强的活动通过去抑制环路沿着目标曲线逐步传播:起始于被红色像素激活的锥体神经元,该神经元通过水平连接激活邻近的VIP中间神经元,VIP神经元抑制SOM中间神经元,从而解除对下一个锥体神经元的抑制,使增强信号得以一步步传递。
网络展现出了与猴类视觉皮层实验观测一致的多尺度选择行为。当目标曲线与干扰曲线距离较近时,网络会选择在感受野较小的低层级进行较慢的传播;当曲线距离较远时,则使用感受野较大的高层级进行较快传播。研究者设置了存在“瓶颈”(曲线靠近)的刺激,结果显示,对于位于瓶颈之后的感受野,其响应增强的潜伏期会因瓶颈变窄而延迟,这与Pooresmaeili等人在猴V1区记录到的神经活动模式高度吻合(如图3D所示)。此外,高曲率也会迫使网络使用更小的尺度,从而降低追踪速度,这与人类心理物理学发现一致。
物体解析任务
随后,研究测试了已擅长曲线追踪的网络在二维物体解析任务上的泛化能力。该任务要求网络判断两个点是否位于同一个物体区域内。仅对循环网络的权重进行少量再训练后,网络就能以高准确率完成新任务,且不影响其曲线追踪能力,表明同一套循环架构可支持两种分组任务。
在物体解析中,网络同样通过增强活动的扩散来“填充”被注意的物体区域。宽阔的同质区域填充较快,狭窄区域则较慢。为了评估模型的生物合理性,研究人员将其处理时间(活动扩散到目标点所需的时间步数)与两项人类反应时研究的数据进行了拟合。对于Jeurissen等人使用的抽象形状数据,具有4个尺度的神经网络模型可以解释人类反应时55%的方差,接近启发式“生长锥”模型(63%)和该数据集的噪声上限(67%)。减少尺度数量(2或3个)会显著降低解释力。对于Adeli等人使用的基于自然图像掩码的数据,4尺度模型解释了15%的方差,同样与生长锥模型(16%)及该数据集的噪声上限(24%)接近。这表明该神经网络模型能够较好地复现人类在图像解析任务中的行为表现模式。
该研究成功构建了一个能够通过试错学习掌握多尺度渐进式分组能力的神经网络模型,为理解视觉皮层中基于物体的注意力机制提供了具体的计算框架。模型的关键在于整合了多个受神经生物学启发的设计:1)分层多尺度前馈通路用于动态选择合适处理尺度,防止注意力的“溢出”;2)分离的、功能特化的前馈(忠实表征)和循环(活动传播)单元群,对应皮层不同层的功能差异;3)基于VIP-SOM-锥体神经元的去抑制环路,确保了传播过程的稳定性和可学习性,并能泛化到长刺激。
这项工作将概念性的“生长锥”模型转化为一个可学习的神经实现,并证明仅需4个尺度就能逼近其解释力。模型不仅复现了猴类视觉皮层神经元活动传播的时空模式(如瓶颈效应),也预测了人类在曲线追踪和物体解析任务中的反应时模式。这超越了先前需要手动设置权重的模型,展示了通过生物合理学习规则涌现复杂认知功能的潜力。
研究的局限在于,目前采用的是前馈网络(尺度选择)与循环网络(分组传播)的分阶段训练,这与发育中二者可能协同学习的过程有所不同。未来研究可探索能够实现二者联合训练的机制。此外,将当前框架扩展到包含物体识别反馈的自然图像全分割,将是连接低级分组与高级认知的富有前景的方向。
总之,这项研究在计算建模、系统神经科学与知觉心理学的交叉点上取得了重要进展。它为我们理解大脑如何学会将分散的特征整合为连贯的物体感知,即“基于物体的注意力”的神经基础,提供了一个可测试的、机制性的解释框架。随着这类研究的深入,我们有望更深刻地揭示意识知觉中丰富物体表征产生的奥秘,并为发展新一代类脑视觉人工智能注入灵感。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号