本文提出了一個名為FeatureTracker的新挑戰,用於系統地評估人類和機器視覺系統在物體外觀隨時間變化的情況下的物體追蹤能力。FeatureTracker包含一系列視頻,其中物體的顏色、形狀或顏色和形狀隨時間平滑變化,並且存在干擾物體遮擋目標物體的情況。
通過一系列行為和計算實驗,作者發現:
人類在FeatureTracker挑戰中表現出色,即使物體外觀發生變化。
相比之下,深度神經網絡(DNN)在FeatureTracker上表現不佳,尤其是當訓練和測試集的物體顏色空間不同時。
作者受到神經同步理論的啟發,開發了一種新的複數循環神經網絡(CV-RNN)架構,它可以通過神經同步來計算注意力。CV-RNN的表現接近人類水平,並且在決策策略上也與人類更為相似。
這些發現為神經同步可能支持人類物體追蹤提供了概念性證明,並且可以在人工視覺系統中引入類似的能力。
Egy másik nyelvre
a forrásanyagból
arxiv.org
Mélyebb kérdések