研究目的
利用生成对抗网络(GAN)将参数化操作约束在自然图像流形的近似范围内,以此刻画人类在自然图像流形中的表现特征。
研究成果
人类观察者对那些仍在生成对抗网络(GAN)约束下的自然图像流形近似范围内的图像操控具有敏感性。这种敏感性与图像构型结构的变化关系更为密切,而非局部图像特征的变化。观察者对沿流形模型路径的细微变化也具有敏感性,这表明其对自然图像存在一种超越检测非自然外观偏差的普遍调谐机制。
研究不足
所使用的图像尺寸相对较?。?2x32像素),这可能限制研究结果对更大尺寸图像的普适性。此外,生成对抗网络对自然图像流形的近似可能无法捕捉自然图像的所有特征,尤其是语义内容。
1:实验设计与方法选择
本研究采用生成对抗网络(GAN)将参数化操作约束在自然图像流形的近似范围内。实验分为两部分:一项评估对流形内扰动的敏感度,另一项区分沿图像流形的路径。
2:样本选择与数据来源
第一项实验有7名观察者参与,第二项有5名。刺激样本来自在CIFAR10数据集上训练的GAN。
3:实验设备与材料清单
刺激呈现在索尼Triniton Multiscan G520 CRT显示器上,使用美能达LS-100光度计进行显示器线性化校准。
4:实验流程与操作步骤
第一项实验中,观察者执行空间双选强制匹配任务;第二项实验中,观察者辨别通过潜在空间路径生成的动态视频。
5:数据分析方法
为每位观察者估算心理测量函数,基于潜在空间或像素空间的距离度量计算预测正确/错误反应的受试者工作特征曲线(ROC)。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容