予測コーディング：死角での充填の可能な説明

死角での埋め立ては、視覚システムが情報ボイドを満たす知覚現象です。これは、光学ディスクに対応する網膜入力が存在しないために発生し、周囲の視覚属性があります。充填中に、認識と相関する初期の視覚領域では非線形神経反応が観察されることが知られていますが、死角での埋めるための根本的な神経メカニズムの知識は完全ではありません。この作業では、階層予測コーディングのフレームワークにおける充填プロセスの計算メカニズムに関する新たな視点を提示しようとしました。3階建ての階層ネットワークをシミュレートし、その応答を観察しながら、死角全体の異なるバー刺激でネットワークを刺激します。一次視覚皮質の死角を表す予測エスティメーターニューロンは、バーが死角の両側を刺激すると、非線形反応の上昇を示すことがわかります。生成モデルを使用して、これらの応答が充填完了を表していることも示します。これらの結果はすべて、精神物理学的および生理学的研究の発見と一致しています。この研究では、塗りつぶされたバーに関連する実験的所見と定性的に一致することの耐性も示しています。この現象は、予測コーディングパラダイムで説明し、自然画像の効率的なコーディングとフィードバックとフィードフォワード接続の効率的なコーディングを考慮して説明できることを示しています。これらの結果は、充填プロセスが自然画像の階層的予測コーディングの一般的な計算原理の現れになる可能性があることを示唆しています。

Filling-in at the blind spot is a perceptual phenomenon in which the visual system fills the informational void, which arises due to the absence of retinal input corresponding to the optic disc, with surrounding visual attributes. It is known that during filling-in, nonlinear neural responses are observed in the early visual area that correlates with the perception, but the knowledge of underlying neural mechanism for filling-in at the blind spot is far from complete. In this work, we attempted to present a fresh perspective on the computational mechanism of filling-in process in the framework of hierarchical predictive coding, which provides a functional explanation for a range of neural responses in the cortex. We simulated a three-level hierarchical network and observe its response while stimulating the network with different bar stimulus across the blind spot. We find that the predictive-estimator neurons that represent blind spot in primary visual cortex exhibit elevated non-linear response when the bar stimulated both sides of the blind spot. Using generative model, we also show that these responses represent the filling-in completion. All these results are consistent with the finding of psychophysical and physiological studies. In this study, we also demonstrate that the tolerance in filling-in qualitatively matches with the experimental findings related to non-aligned bars. We discuss this phenomenon in the predictive coding paradigm and show that all our results could be explained by taking into account the efficient coding of natural images along with feedback and feed-forward connections that allow priors and predictions to co-evolve to arrive at the best prediction. These results suggest that the filling-in process could be a manifestation of the general computational principle of hierarchical predictive coding of natural images.