Learning a model of shape selectivity in V4 cells reveals shape encoding mechanisms in the brain
Notice bibliographique
Résumé
The mechanisms of local shape information transformation from V1 to more abstract representations in IT are unknown. Studying the selectivities in intermediate stages of transformation suggest plausible mechanisms. For example, Pasupathy and Conner [1] studied Macaque V4 responses to convexities and concavities. They found that these neurons are selective to boundary configurations at a specific position in the stimulus, for example, a convexity adjacent to a concavity. Although such investigations reveal intermediate shape representations in the brain, they often do not suffice in capturing complex and long-range interactions within the receptive field due to imposing priors on tunings, e.g., fitting a single Gaussian to neuron responses. Here, we propose a learning-based approach that eliminates the need for such strong priors. Specifically, we investigate shape representation in Macaque V4 cells and formulate shape tuning as a sparse-coding problem according to previous findings of V4 neurons[1]. We emphasize that our goal is not to find a mapping from the stimulus to V4 responses but to study how V4 neurons combine responses of curvature-selective V2 cells to achieve their reported part-based selectivities. To this end, our proposed model takes responses of simulated curvature-selective V2 cells as input by combining two previously introduced hierarchical models [2,3]. With simulated curvature signal as input, our algorithm learns a sparse mapping to V4 responses that reveals each Macaque V4 cell’s tuning and the mechanism by which the tuning is achieved. Our model captures sophisticated interactions within the receptive field from neuron responses. Our results on V4 shape representations confirm long-range interactions between components of a larger shape, providing a better understanding of shape encoding mechanisms in the brain. [1] A. Pasupathy et al. J. of Neurophysiology(2001) 86:5, 2505-2519. [2] A. J. Rodríguez-Sánchez et al. PLoS One (2012) 7(8), e42058. [3] P. Mehrani et al. (2019) arXiv:1901.03201.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».