arXiv · Neural and Evolutionary Computing· Ruiqi Liu, Yang Lu, Yanlan Kang
· 2 天前AI 评分49
旧匹配,新框架:从人类视觉到机器匹配的调度门控立体记忆
Old Matches, New Frames: Schedule-Gated Stereo Memory from Human Vision to Machine Matching
预印本 · 尚未经过同行评审
AI 导读
九种时间机制共享冻结双目能量前端,下调失去双目支持的旧证据使被试RMSE从12.6%降至10.3%。
摘要 · AI 翻译
人类视觉与视频立体网络都会跨时间复用视差证据,然而输入的刷新可能使毫秒级之前形成的匹配失效。是什么告诉一个系统旧的匹配是否仍然有效?我们分三步从有限的人类数据中回答这个问题。首先,九种时间机制共享一个冻结的双目能量前端和一个等容量读出,因此留出行为可分离出时间选择规则:在来自10名观察者的240个条件下,对已失去双目支持的陈旧证据进行降权,将受试者RMSE从12.6%降至10.3%,并在未发表方案的全部59次读取和8种前端扰动中复现了一种周期依赖的反转深度错觉。其次,四个命题确立了此类数据能够识别什么:门控在刷新时间表的层面上被识别,而候选绑定对标准刺激不可见,但会被一种单眼几何翻转所暴露,该翻转将读出结果分离最多达7.1%。第三,所识别出的规则成为一种双场立体记忆,将样本有效性与假设支持分离。它消除了几何翻转后50 ms的恢复滞后,其状态分析解释了为何在MPI-Sintel上普通积分仍然更可取,那里71.1%的像素改变了外观但未改变视差。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Neural and Evolutionary Computing · arxiv.org