Contenuto
Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricercaINIZIO_TESTO_DA_INDICIZZARE
PROGRAMMA DI RICERCA 2005
italiano - english
Unità di Ricerca
Programmi di ricerca simili:
- 1 - Studio dei meccanismi di integrazione dell'informazione visiva e multisensoriale
- 2 - Sintesi automatica di modelli astratti a partire da dati temporali o spaziali
- 3 - Metodi bayesiani non parametrici per il clustering, l'analisi della sopravvivenza e la previsione del numero di specie
- 4 - I confini spazio-temporali dell'attenzione in soggetti adulti normali e cerebrolesi
- 5 - Analisi e simulazione di modelli dinamici con aspettative eterogenee
- 6 - Metodi inferenziali classici e bayesiani in classi di modelli econometrici per la finanza
- 7 - Studio degli effetti termofluidodinamici e strutturali per la prevenzione dei rischi negli incendi in galleria Studio dei fenomeni termofluidodinamici e strutturali negli incendi in galleria, per la prevenzione dei rischi e la gestione delle emergenze
- 8 - Metodi basati sulla similarita' per la visione artificiale e il riconoscimento delle forme: Teoria, algoritmi, applicazioni
- 9 - Web Ram: web retrieval and mining
- 10 - Modellizzazione Matematica del Comportamento Naturale e Artificiale
Classificazione scientifico-disciplinare
- Area scientifico disciplinare: Scienze storiche, filosofiche, pedagogiche e psicologiche
Classificazione geografica
- Regione: Friuli Venezia Giulia
Bibliografia
Alais, D., & Burr, D. (2004). The ventriloquist effect results from near-optimal bimodal integration. Current Biology, 14, 257-262.
Backus, B.T., Banks, M.S., van Ee, R., & Crowell, J.A. (1999). Horizontal and vertical disparity, eye position, and stereoscopic slant perception. Vision Research, 39, 1143-1170.
Blaser, E., & Domini, F. (2002). The conjunction of feature and depth information. Vision Research, 42, 273-279.
Brenner, E., & Landy, M.S. (1999). Interaction between the perceived shape of two objects. Vision Research, 39, 3834-3848.
Clark, J.J. & Yuille, A.L. (1990). Data fusion for sensory information processing systems. Kluwer Academic Publishers, Boston.
Domini, F., Blaser, E., & Cicerone, C.M. (2000). Color-specific depth mechanisms revealed by a color-contingent depth aftereffect. Vision Research, 40, 359-364.
Ernst, M. O., & Banks, M. S. (2002). Humans integrate visual and haptic information in a statistically optimal fashion. Nature, 415, 429-433.
Gepshtein, S. & Banks, M.S. (2003). Viewing Geometry Determines How Vision and Haptics Combine in Size Perception. Current Biology, 13, 483-488.
Hillis, J.M., Watt, S.J., Landy, M.S. & Banks, M.S. (2004) Slant from texture and disparity cues: optimal cue combination. Journal of Vision, 4, 967-992
Jacobs, R.A. (2002). What determines visual cue reliability? Trends in Cognitive Sciences, 6, 345-350.
Jacobs, R.A. (1999). Optimal integration of texture and motion cues to depth. Vision Research, 39, 3621-3629.
Kersten, D., & Yuille, A. (2003). Bayesian models of object perception. Current Opinion in Neurobiology, 13,150-158.
Knill, D. C., & Saunders, J. A. (2003). Do humans opti-mally integrate stereo and texture information for judgments of surface slant? Vision Research, 43, 2539-2558.
Landy, M.S., Maloney, L.T., Johnston, E.B., & Young, M. (1995). Measurement and modeling of depth cue combination: in defense of weak fusion. Vision Research, 35, 389-412.
Landy, M. S., & Kojima, H. (2001). Ideal cue combination for localizing texture-defined edges. Journal of the Optical Society of America A, 18, 2307-2320.
Nawrot, M, & Blake, R. (1989). Neural integration of information specifying structure from stereopsis and motion. Science, 244, 716-718.
Poom, L., & Borjesson, E. (1999). Perceptual depth synthesis in the visual system as revealed by selective adaptation. Journal of Experimental Psychology: Human Perception and Performance, 25, 504-517.
Shimozaki, S.S., Eckstein, M.P., & Abbey, C.K. (2003). Comparison of two weighted integration models for the cueing task: linear and likelihood. Journal of Vision, 3, 209-229.
Young, M.J., Landy, M.S., & Maloney, L.T. (1993). A perturbation analysis of depth perception from combinations of texture and motion cues. Vision Research, 33, 2685-2696.
Baldassi, S., & Burr, D.C. (2000). Feature-based integration of orientation signals in visual search. Vision Res, 40 (10-12), 1293-1300.
Baldassi, S., & Verghese, P. (2002). Comparing integration rules in visual search. Journal of Vision, 2 (8), 559-570.
Baldassi, S., & Burr, D.C. (2004). "Pop-out" of targets modulated in luminance or colour: the effect of intrinsic and extrinsic uncertainty. Vision Res, 44 (12), 1227-1233.
Baldassi, S., Burr, D.C., & Bracali, C. (2004a). What is compulsory in crowded orientation signals? Perception, 33, 41b
Baldassi, S., Burr, D.C., & Megna, N. (2004b). Confidence grows with uncertainty in visual search. Journal of Vision, 4(8), 166a, http://journalofvision.org/4/8/166/, doi:10.1167/4.8.166.
Baldassi, S., Burr, D.C., Megna, N. (2005). Visual clutter causes high magnitude errors. Nature Neuroscience, under review
Green, D.M., & Swets, J.A. (1966). Signal detection theory and psychophysics. New York: John Wiley & sons.
Heeger, D.J. (1993). Modeling simple-cell direction selectivity with normalized, half-squared, linear operators. J Neurophysiol, 70 (5), 1885-1898.
Morgan, M.J., Ward, R.M., Castet E., (1998). Visual search for a tilted target:tests of spatial uncertainty models. Quarterly Journal of Experimental Psychology, 51A, 347-370.
Palmer, J. (1995). Attention in Visual Search: Distinguishing four causes of a set-size effect. Current directions in psychological science, 4 (4), 118-123.
Parkes, L., Lund, J., Angelucci, A., Solomon, J.A., & Morgan, M. (2001). Compulsory averaging of crowded orientation signals in human vision. Nat Neurosci, 4 (7), 739-744.
Ress, D., & Heeger, D.J. (2003). Neuronal correlates of perception in early visual cortex. Nat Neurosci, 6 (4), 414-420.
Schall, J.D. (2001). Neural basis of deciding, choosing and acting. Nat Rev Neurosci, 2 (1), 33-42.
Shaw, M.L. (1982). Attending to multiple sources of information: I. The integration of information in decision making. Cognitive Psychology, 14, 353-409.
Treisman, A.M., & Gelade, G. (1980). A feature-integration theory of attention. Cognit Psychol, 12 (1), 97-136.
Watson, A.B., & Pelli, D.G. (1983). QUEST: a Bayesian adaptive psychometric method. Perception and Psychophysics, 33 (2), 113-120.
Wolfe, J. (1996). Visual Search. In: H. Pashler (Ed.) Attention (London: University college London Press.
Dosher, B. A., & Lu, Z. L. (2000). Noise exclusion in spatial attention. Psychological Science, 11 (2), 139-146.
Freeman, E., Sagi, D., & Driver, J. (2001). Lateral interactions between targets and flankers in low-level vision depend on attention to the flankers. Nature Neuroscience, 4 (10), 1032-1036.
Gilbert, C., Ito, M., Kapadia, M., & Westheimer, G. (2000). Interactions between attention, context and learning in primary visual cortex. Vision Research, 40 (10-12), 1217-1226.
Ito, M., & Gilbert, C. D. (1999). Attention modulates contextual influences in the primary visual cortex of alert monkeys. Neuron, 22 (3), 593-604.
Ito, M., Westheimer, G., & Gilbert, C. D. (1998). Attention and perceptual learning modulate contextual influences on visual perception. Neuron, 20 (6), 1191-1197.
Polat, U., & Sagi, D. (1993). Lateral interactions between spatial channels: suppression and facilitation revealed by lateral masking experiments. Vision Research, 33 (7), 993-999.
Yeshurun, Y., & Carrasco, M. (1998). Attention improves or impairs visual performance by enhancing spatial resolution. Nature, 396 (6706), 72-75
Akaike, H. (1973). Information theory and an extension of the maximum likelihood principle. B. N. Petrov and F. Csaki (eds.), 2nd International Symposium on Information Theory: 267-81. Budapest: Akademiai Kiado.
Cutting, J. E. (2000). Accuracy, scope, and flexibility of models, Journal of Mathematical Psychology, 44, 3-19.
Cutting, J.E., Bruno, N., Brady, N.P., & Moore, C. (1992). Selectivity, scope, and simplicity of models: a lesson from fitting judgments of perceived depth. Journal of Experimental Psychology: General, 121, 364-381.
Bruno, N., & Cutting, J.E. (1988). Minimodularity and the perception of layout. Journal of
Experimental Psychology: General, 117, 161-170.
Domini, F., & Caudek, C. A new approach to the study of cue-integration. Vision Sciences Society (VSS), Sarasota, Florida, May, 2004.
Domini, F., & Caudek, C. (2003). 3-D structure perceived from dynamic information: a new theory. Trends in Cognitive Sciences, 7, 444-449.
Forster, M. R. (2000). Key concepts in model selection: performance and generalizability. Journal of Mathematical Psychology, 44, 205-231
Forster, M. R. and E. Sober (1994). How to tell when simpler, more unified, or less ad hoc theories will provide more accurate predictions. The British Journal for the Philosophy of Science, 45, 1-35.
Kullback, S. and R. A. Leibler (1951). On information and sufficiency. Annals of Mathematical Statistics 22, 79-86.
Massaro, D. W. (1988). Ambiguity and perception in experimentation, Journal of Experimental Psychology: General, 117, 417-421.
Parole Chiave
PERCEZIONE; INTEGRAZIONE DELLE INFORMAZIONI; MODELLI COMPUTAZIONALI; ATTENZIONE; PERCEZIONE DELLA FORMA 3D; SEGMENTAZIONE FIGURA SFONDO; POTENZIALI VISIVI EVOCATI; RICERCA VISIVA; PSICOFISICAIntegrazione delle informazioni nel sistema visivo: modelli computazionali dei processi sensoriali e decisionali
Università degli Studi di TriesteAbstract
Il presente progetto di ricerca si propone di indagare l'integrazione di informazioni ai diversi livelli di elaborazione cognitiva. L'integrazione delle informazioni per la percezione della forma 3D verrà indagata utilizzando metodi psicofisici e assumendo, come punto di partenza della modellizzazione, un'architettura computazionale interamente di tipo 'bottom-up'. Mediante tale indagine si intendono esplorare i limiti di una spiegazione dell'integrazione delle informazioni dal basso all'alto. Il fenomeno dell'integrazione delle informazioni verrà anche indagato considerando i fenomeni percettivi 'di basso livello', quali la discriminazione di tessiture e la percezione dei contorni. Nel caso di tali studi, infatti, le metodologie presenti consentono di considerate in maniera esplicita le richieste definite dal compito in maniera dipendente dal contesto e i conseguenti processi di decisione. A questo proposito, la modellizzazione proposta non sarà dunque puramente 'bottom-up'. Ciascuno di questi due approcci trarrà beneficio dalla possibilità di confrontarsi con l'altro.I compiti saranno ripartiti tra 4 unità nel modo seguente.
Unità I. Le ricerche psicofisiche eseguite da tale unità saranno motivate da un nuovo modello per il recupero della forma 3D da cue multipli e conseguiranno due obiettivi. (A) In una prima serie di esperimenti, il modello sarà verificato mediante esperimenti riguardanti la segmentazione di superfici 3D, e la >>>
Coordinatore Scientifico del Programma di Ricerca
Corrado CAUDEK Università degli Studi di TRIESTEObiettivo del Programma di Ricerca
Lo scopo del presente progetto di ricerca è lo sviluppo di un paradigma di ricerca interdisciplinare in grado di tenere in considerazione, al necessario livello di approssimazione, tutti gli elementi costituenti del processo di integrazione di informazioni nel sistema visivo. Tre elementi costitutivi possono essere individuati all'interno del processo visivo: (1) le caratteristiche rilevanti dell'input (stimolo), (2) le proprietà computazionali dell'elaborazione eseguita dal sistema visivo, e (3) le richieste definite dal compito, ecologico o sperimentale che sia, in maniera dipendente dal contesto e i conseguenti processi di decisione.In una descrizione dei processi visivi 'all'ordine zero' solo gli elementi di tipo 1 e 2 sono presi in considerazione. I vincoli fisici sugli stimoli verranno indagati con metodi psicofisici (Unità I, II e III), mentre, come punto di partenza della modellizzazione, assumiamo che l'architettura computazionale sia interamente di tipo 'bottom-up' (Unità I). Lo scopo sostanziale di produrre una descrizione dei processi visivi all'ordine zero non è semplicemente quello di descrivere la potenza computazionale dell'approccio, ma, specificatamente per il nostro obiettivo, quello di esplorare i suoi limiti computazionali (Unità I e IV). Una descrizione all'ordine zero dei processi visivi, infatti, è utile e valida se produce indicazioni rilevanti (Unità III) e suggerimenti teorici e computazionali espliciti (Unità I e II) sulla >>>
Durata
24 mesiBase di partenza scientifica nazionale o internazionale
La teoria più recente sull'integrazione delle informazioni visive è chiamata Modified Weak Fusion Model (MWF) (Bruno & Cutting;
Cutting, Bruno, Brady & Moore, 1992). Il modello MWF è stato usato per spiegare una vasta gamma di fenomeni che rigurardano la combinazione delle informazioni di disparità, movimento, tessitura ecc. (Backus, Banks, van Ee & Crowell, 1999; Curran & Johnston, 1994; Jacobs, 1999; Mather & Smith, 2000; Shimozaki, Eckstein, & Abbey, 2003), l'apprendimento percettivo (Jacobs & Fine, 1999; Triesch, Ballard, & Jacobs, 2002) e la percezione cross-modale (Atkins, Fiser, & Jacobs, 2001; Ernst & Banks, 2002; Gepshtein & Banks, 2003).
Il modello MWF ipotizza un processo a 3 stadi per la combinazione delle informazioni (Clark & Yuille, 1990; Kersten & Yuille, 2003; Landy, Maloney, Johnston, & Young, 1995; Young, Landy, & Maloney, 1993).
- 1. Interazione tra moduli diversi allo scopo di rendere commensurabili gli output dei vari moduli ('promotion');
- 2. Una mappa 3D viene derivata da ciascun cue.
- 3. Le stime 3D vengono combinate attraverso una media pesata, dove i pesi sono determinati dall'affidabilità ('reliability') di
ciascun cue (Jacobs, 2002).
In base al modello MWF, ciascun modulo produce una stima di profondità della profondità distale D uguale a
