人間の視覚運動認識は、ベイジアンの構造的推論の特徴を示しています

視覚的なシーンの運動関係には、行動的に関連する情報が豊富にありますが、そもそも人間がシーンの動きの根底にある構造をどのように識別するかについてはほとんど知られていません。2つの精神物理学実験で人間の運動構造の識別を管理する計算を研究し、運動関係の知覚がベイジアンの構造推論の特徴を示すことを発見しました。私たちの研究の中心には、潜在的な構造に関する確率的推論の署名を明らかにすることができる扱いやすいタスク設計があります。タスクのベイジアン理想オブザーバーに基づいた選択モデルは、タスクのパフォーマンス、知覚エラーパターン、単一裁判の応答、参加者固有の違い、特に、モーションシーンの場合に主観的な意思決定など、人間の構造推論の多くの側面を正確に一致させることがわかりました。あいまいであり、オブジェクトの動きが他の移動参照フレーム内に階層的にネストされている場合。私たちの研究は、将来の神経科学実験を導き、高レベルの視覚運動知覚の根底にある神経メカニズムを明らかにすることができます。

Motion relations in visual scenes carry an abundance of behaviorally relevant information, but little is known about how humans identify the structure underlying a scene's motion in the first place. We studied the computations governing human motion structure identification in two psychophysics experiments and found that perception of motion relations showed hallmarks of Bayesian structural inference. At the heart of our research lies a tractable task design that enabled us to reveal the signatures of probabilistic reasoning about latent structure. We found that a choice model based on the task's Bayesian ideal observer accurately matched many facets of human structural inference, including task performance, perceptual error patterns, single-trial responses, participant-specific differences, and subjective decision confidence-especially, when motion scenes were ambiguous and when object motion was hierarchically nested within other moving reference frames. Our work can guide future neuroscience experiments to reveal the neural mechanisms underlying higher-level visual motion perception.