Motion-Induced Object Position Adaptation in Macaque IT Cortex: Temporal Processing Limitations of Neural Networks
Notice bibliographique
Résumé
Recent studies have demonstrated that the macaque inferior temporal (IT) cortex, a key area in the ventral visual pathway, supports not only object identification but also object position estimation—a function previously attributed to dorsal-stream mechanisms. In parallel, artificial neural networks (ANNs) optimized for object recognition replicate this positional decoding capability. Such findings invite an intriguing question: If these ventral-stream-aligned ANNs can recapitulate positional coding, can they also exhibit systematic positional biases induced by adaptation to motion, analogous to the well-known human aftereffects? We tested this by simulating adaptation in ANNs through the exponential decay of model features (Vinken et al., 2020). Using "brain-mapped" ANN architectures—feedforward convolutional networks (AlexNet, VGG), networks with skip connections (ResNet), and transformer-based models (ViT)—pre-trained on ImageNet, we analyzed responses from their most "IT cortex-like" layers to naturalistic test images. While these ANNs robustly decoded object positions under static conditions, none exhibited motion-adaptation-induced positional shifts. In contrast, when we presented motion-adapting rightward or leftward moving grating stimuli (3000 ms) to two passively fixating macaques and recorded large-scale IT responses to succeeding test images (40 images containing 1 of 8 objects, with varying latent parameters embedded in naturalistic backgrounds), the resulting position decodes from IT population activity showed directionally specific biases matching human perceptual aftereffects. These results suggest that the neural mechanisms in IT supporting adaptive shifts in perceived object position are not fully captured by current ANN models. Therefore, we hypothesized that additional history-dependent, nonlinear transformations might explain these dynamic adaptation effects. Testing a state-of-the-art dynamic video recognition model (SlowFast with ResNet-50 backbone) showed that even this more temporally sophisticated model failed to reproduce adaptation-induced positional aftereffects. Our results reveal a key gap: while current ANNs can decode position, they lack the temporal processing needed to replicate the adaptive positional biases in the macaque ventral stream.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| 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 | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».