이 연구는 인간 뇌와 인공 신경망을 사용하여 자연 이미지에서 객체의 실제 크기, 망막 크기, 실제 깊이에 대한 표현을 분리하여 탐구했다.
주요 결과는 다음과 같다:
EEG 데이터 분석 결과, 인간 뇌에서 실제 크기 표현은 실제 깊이와 망막 크기 표현보다 늦게 나타났다. 이는 실제 크기 표현이 더 높은 수준의 정보를 필요로 함을 시사한다.
인공 신경망 모델 분석 결과, 초기 층에서는 망막 크기와 실제 깊이 표현이 나타났지만, 후기 층에서는 실제 크기 표현이 나타났다. 이는 인간 뇌의 결과와 일치한다.
배경 정보를 제거한 객체 이미지를 인공 신경망에 입력하면, 실제 크기 표현은 여전히 유지되었지만 실제 깊이 표현은 크게 감소했다. 이는 실제 크기 표현이 더 안정적이고 높은 수준의 객체 특성임을 시사한다.
단어 임베딩 모델(Word2Vec)에서도 실제 크기 표현이 나타났지만, 망막 크기와 실제 깊이 표현은 나타나지 않았다. 이는 실제 크기 표현이 시각적 정보뿐만 아니라 의미론적 정보에 의해서도 형성됨을 보여준다.
종합적으로, 이 연구는 인간 뇌와 인공 신경망에서 객체의 실제 크기, 망막 크기, 실제 깊이에 대한 분리된 표현을 밝혀냈으며, 실제 크기 표현이 더 안정적이고 높은 수준의 객체 특성임을 시사한다.
Egy másik nyelvre
a forrásanyagból
biorxiv.org
Főbb Kivonatok
by Lu,Z., Golom... : www.biorxiv.org 08-21-2023
https://www.biorxiv.org/content/10.1101/2023.08.19.553999v5Mélyebb kérdések