Lightness Illusions Through AI Eyes: Assessing ConvNet and ViT Concordance with Human Perception
Notice bibliographique
Résumé
Inferring surface reflectance from luminance images has proven to be a challenge for models of human vision, as many combinations of illumination, reflectance, and 3D shape can create the same luminance image. Traditional models struggle with this deep ambiguity. Recently, convolutional neural networks (CNNs) and vision transformers (ViTs) have been successful computer vision approaches to inferring surface colour. These architectures have the potential to be foundational models for lightness and color perception, if they process image information similarly to humans. We trained CNN and ViT backbones including ResNet18, VGG19, DPT, and custom designs to infer surface reflectance from luminance images using a custom dataset of luminance and reflectance images generated in Blender. We used these models to infer surface reflectance from several well-known images that generate strong lightness illusions, including the argyle, Koffka-Adelson, snake, simultaneous contrast, White's, and checkerboard assimilation illusions, as well as their control images. These illusions are often thought to result from the visual system's attempt to infer surface reflectance from ambiguous images using the statistics of natural images, and we hypothesized that networks trained on simple scenes rendered with shading and shadows would be susceptible to similar illusions. We found that all networks did in fact predict illusions in most test images, and predicted stronger illusions than in the control conditions. The exceptions were that the models typically failed to predict the argyle illusion, and to predict assimilation illusions. Model saliency analysis showed that the networks' outputs were strongly dependent on pixel-information in the shadowed regions of the image. These results support the hypothesis that some lightness phenomena arise from the visual system's use of natural scene statistics to infer reflectance from ambiguous images, and show the potential of CNNs and other deep learning architectures as starting points for models of human lightness and colour perception.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».