Mar, 2024

色彩是否是人类视觉的光子数量？一项关于视觉感知的量子认知研究

PDF
TL;DR我们研究了量子测量过程中的范畴感知现象，发现传统的范畴感知机制与量子测量过程的结构有关。我们将这一发现应用于颜色的视觉感知，并认为颜色可以像光子一样被视为人类视觉感知的光量。通过将现实物理、刺激和感知者期望之间的复杂互动看作是感知的基础，我们探究了这对我们所称的 “光” 和 “暗” 两种颜色的情况。
categorical perceptionquantum measurement processvisual perceptioncolorspercepts
发现论文，激发创造
  • 人类感知作为量化现象

    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

  • 从计算色彩恒常性的角度探究色彩错觉

    通过分析色彩视觉系统中的色彩恒常性和色彩幻觉知觉现象，我们修改了现有的色彩恒常性方法，使其能够更好地模拟人类视觉系统在色彩幻觉上的行为，并显示出从幻觉中提取的参数能够改善色彩恒常性方法的性能，从而超越现有的多光源算法设计。

    Dec, 2023

  • Schwartz 测量在人类三色视觉中的作用

    该论文研究人类三色视觉处理过程，并提出该过程使用 Schwartz 测量来处理颜色数据的假设，并通过实验数据进行验证。

    Jun, 2023

  • 人类认知与语言的普朗克辐射和量子化方案

    本文探究了量子认知中的玻色 - 爱因斯坦统计，提出了人类认知领域的量子化方法。作者使用辐射量化方案和毛毛熊故事来说明 “意义动力学”，并表明纠缠是维护所提出的 “意义动力学” 的必要条件。该方法可以在保持必要的各异性的同时，使内部参数相同的单词被赋予不同的状态，从而实现人类思考的需求。

    Jan, 2022

  • 认知中的量子结构

    研究了量子力学模型和数学模型在概念和它们的组合中的应用，提出了一种概念组合的数学建模方案，阐明了量子力学原理在认知中的作用及其与概念形成基本过程的联系，并调查了其对人类思维结构的影响及其与决策理论、经济学等领域中的若干现象的关系。

    May, 2008

  • 概念及其动态：人类思维的量子理论建模

    本文分析了量子建模途径中与人类概念相关的不同方面，重点关注了上下文相关性、干涉、纠缠和新兴量子效应，并举例说明它们在人类概念及其组合的特定情况下的出现。

    Jun, 2012

  • 建立与学习一个概念的量子模型

    本文提出一个基于量子理论的概念建模框架，扩展了 Gardenfors 关于概念空间的经典框架，利用卷积神经网络和参数化量子电路构建出学习概念的混合经典 - 量子网络，并引入 discarding 创造混合效应，以学习仅适用于子集领域的概念，并考虑了量子概念模型是否可以用 Gardenfors 的概念空间来解释。

    Feb, 2023

  • 人类感知和视觉颜色差异的色彩模型比较分析

    本研究通过对 RGB、HSV、HSL、XYZ、CIELAB 和 CIELUV 等多种颜色模型进行比较分析，评估它们在准确反映人类感知颜色方面的有效性，从而评价它们在准确反映视觉颜色差异和与人眼兼容的主导调色板提取方面的能力，以便应用于图像处理，数字媒体和设计等相关领域。

    Jun, 2024

  • 双向长短期记忆网络生成颜色

    利用双向长短期记忆网络与主动学习，开发了一种新型模型，旨在桥接我们对无数色调的视觉感知和准确表达与命名它们的能力。这项研究的主要目标是创造一个多功能工具，用于对以前未命名的颜色进行分类和命名，或者识别逃避传统颜色术语的中间色调。通过严谨的实验和分析，这项研究揭示出自然语言处理在各个行业中应用的潜力。通过促进对广阔颜色谱的探索，自然语言处理的潜在应用超越了传统边界。

    Nov, 2023

  • 深度神经网络与人类之间的色彩感知差异

    深度神经网络（DNN）在图像分类和物体识别任务中的表现令人印象深刻，然而它们对于颜色知觉等人类视觉基本方面的捕捉程度仍不清楚。本研究使用新型实验评估了 DNN 颜色嵌入的感知一致性，并通过在线调查评估了这些算法如何预测人类的颜色相似性判断。我们发现最先进的 DNN 架构，包括卷积神经网络和视觉变换器，所提供的颜色相似性判断与人类得出的（i）具有受控颜色属性的图像、（ii）从在线搜索生成的图像以及（iii）来自经典 CIFAR-10 数据集的现实世界图像存在显著差异。与我们检查的所有 DNN 相比，我们的基于小波分解的可解释和基于认知的颜色知觉模型提供更一致的颜色嵌入结果，更好地预测了人类的颜色判断。这些结果适用于在使用类似 DNN 体系结构进行训练的高级视觉任务（例如图像分类与图像分割）以及检查给定 DNN 体系结构中不同层的颜色嵌入时。这些发现在分析机器学习算法的感知表示和改进其作为人类视觉的认知合理模型的努力中创新了新的领域。机器学习、人类感知和具身认知的影响正在讨论中。

    Sep, 2023