Towards synergistic models of motion information processing in biological and artificial vision

Naga Venkata Kartheek Medathati 1, 2
2 NEUROMATHCOMP - Mathematical and Computational Neuroscience
CRISAM - Inria Sophia Antipolis - Méditerranée , JAD - Laboratoire Jean Alexandre Dieudonné : UMR6621
Résumé : Cette thèse porte sur l'étude de la perception du mouvement chez les primates. Nous proposons que la mise à l'échelle des modèles enracinés dans la vision biologique en adoptant une approche centrée sur les tâches nous permettrait de mieux comprendre la vision biologique et de meilleures contraintes pour concevoir des modèles. La première partie de cette thèse concerne une vue d'avance sur la façon dont les informations sur les mouvements sont traitées dans les cerveaux des mammifères avec un accent particulier sur les zones V1 et MT. Sur la base d'un modèle physiologique standard décrivant l'activité des neurones sensibles aux mouvements dans les zones V1 et MT, nous proposons un modèle feedforward pour l'estimation du débit optique dense. Ce modèle feed-forward V1-MT est comparé aux ensembles de données modernes sur la vision par ordinateur et les résultats constituent une base pour étudier plusieurs aspects de l'estimation du mouvement dense. Les résultats de l'analyse comparative ont démontré qu'une carte de flux optique nette ne peut être obtenue en considérant le regroupement isotrope et l'estimation de mouvement est perturbée dans des régions proches des limites d'objet ou de mouvement. Il montre également un point mort dans la littérature de modélisation selon laquelle l'association spatiale de l'information de mouvement extraite n'a pas été tentée ou s'est limitée à récupérer des attributs plus grossiers. Afin d'améliorer l'estimation du mouvement, nous avons étudié la mise en commun par les neurones MT en termes d'étendue spatiale et de sélectivité pour l'intégration ainsi que la stratégie de décodage afin d'obtenir une carte de flux optique spatialement dense. Nous montrons qu'en incorporant une stratégie de mise en commun qui est réglementée par des indices formés et en considérant la propagation latérale de l'activité, la qualité de l'estimation du mouvement est améliorée. Fait intéressant, l'incorporation des indices basés sur la forme équivaut à l'ajout de neurones avec différents types de sélectivité au réseau. Cela soulève une question, qu'un réseau minimal ou non possédant des interactions récurrentes dans un domaine de fonctionnalité puisse-t-il présenter différents types de sélectivité d'entités ou il faut considérer explicitement des cellules avec différents types de sélectivité? Cette question concerne la deuxième partie de la thèse. Nous avons étudié cette question à l'aide d'un modèle de réseau en anneau dans le formalisme des champs neural avec la direction du mouvement comme espace caractéristique, imitant de près les expériences physiologiques du MT. Notre modèle a produit une grande variété de résultats. Nos résultats indiquent qu'une variété de comportements d'accord trouvés dans la zone MT peut être reproduit par un réseau minimal de cellules délocalisées de manière directe, des indices 2D explicites ne doivent pas être nécessaires pour l'intégration du mouvement, les changements dynamiques dans l'accord neuronal MT rapporté dans la littérature peuvent s'expliquer par Les interactions récurrentes de domaine caractéristique et ouvrent la porte à la transparence comptable en mettant au défi les régimes d'inhibition élevés considérés par de nombreux modèles dans la littérature pour l'intégration de mouvement. Pour conclure, nous insistons sur les approches de modélisation axées sur les tâches et sur plusieurs directions pour l'interfaçage des études en vision biologique et informatique.
Type de document :
Thèse
Computer Science [cs]. UCA, Inria, 2017. English
Liste complète des métadonnées

https://hal.inria.fr/tel-01577041
Contributeur : N V Kartheek Medathati <>
Soumis le : jeudi 24 août 2017 - 16:37:54
Dernière modification le : vendredi 18 mai 2018 - 01:25:11

Identifiants

  • HAL Id : tel-01577041, version 1

Citation

Naga Venkata Kartheek Medathati. Towards synergistic models of motion information processing in biological and artificial vision. Computer Science [cs]. UCA, Inria, 2017. English. 〈tel-01577041〉

Partager

Métriques

Consultations de la notice

338

Téléchargements de fichiers

170