通过像素为基础的判断和模型重构,本文探讨了说同异不同判断和图像不确定性如何影响感知分割和各个特征的权重,并将其应用于自然图像和复合材料纹理的分割,以对感知理论进行定量测试和创造分割算法的新基准。
Jan, 2023
使用大型语言模型结合经典的心理物理学方法,从文本中提炼出心理物理信息,然后应用多维尺度方法发现其潜在的心理空间。在六个知觉域上测试我们的方法,成功地拟合了文献中已知的心理物理结构。这项工作展示了如何将最先进的机器模型与经典的认知范式相结合,从而阐明感知和语言研究中的基本问题。
Feb, 2023
本文提出了感知分数的概念,通过该指标对多模态数据集中的各种输入特征进行评估,发现最新的视觉问答或视觉对话多模态模型相较于它们的先驱越来越少重视视觉数据,这趋势引起了担忧,需要对此展开讨论并提出解决思路。
Oct, 2021
通过使用感知度量标准进行训练,以改进模型对未知自然信号的泛化能力,我们展示了使用感知损失进行训练优于使用标准欧几里得损失的模型在测试时重构频谱图和重新合成音频的能力。
Dec, 2023
本研究提出了一种基于期望效用最大化的规范框架以及一个新型分析噪声影响的通用度量方法,通过内积几何学的方法分析了世界状态估计噪声对规划的影响。
Jun, 2023
研究表明,人类感知的量子结构的根源是对自下而上刺激与自上而下认知期望模式的调和,导致了感知的类别化扭曲现象并形成 “quanta”,可用量子原型理论进行建模,而这些 “quanta” 之间存在离散化的距离,导致它们的组合呈现出干涉图案。
Aug, 2022
通过实验评估,我们发现对于信息检索中评价方法的大多数流行度量标准进行区间缩放可以显著影响结果的可靠性,使不显著差异变得显著,并导致决策结果发生了 25% 左右的变化。
Jan, 2021
本研究旨在探究如何最优地分布受体,提高自主神经系统在不同统计情况下的处理信息的能力,并在视觉系统的基础上解释行为型魏伯 - 费希纳定律。
Jul, 2016
通过使用频域分析问题解决方法、引入非显著性概念、并同时考虑不同尺寸的显著性区域检测,提出了一种新的自下而上的视觉显著性检测方法,使用幅度谱与低通高斯核卷积产生显著性图,并通过熵最小化获取合适的尺度,实验结果表明该方法可预测人眼注视数据。
May, 2016
该论文研究应用于感知任务的深度网络的归因问题,并提出了一种名为 “Blur Integrated Gradients” 的新技术,该技术比其他方法具有多个优点,可以准确识别物体并产生一致且干净的解释,适用于图像,视网膜病变和音频事件等多个任务。
Apr, 2020