Caroline Link, Gissen Universiteti tərəfindən

Lisa Lock tərəfindən redaktə edilmişdir , Andrew Zinin tərəfindən nəzərdən keçirilmişdir

 Redaktorların qeydləriQəribə kölgələmə oriyentasiya sahələrini qoruyur. Üç misal Lambertian kölgəli obyektin şəklini qeyri-xətti piksel intensivliyi transformasiyası və onların müvafiq oriyentasiya sahələrindən keçirməklə yaradılmış qəribə kölgəli şəkillər. Üç intensivlik transformasiyası – f(x), g(x) və h(x) – funksiya ilə müəyyən edilmiş axtarış cədvəlindən istifadə edərək köhnə piksel intensivliklərini yenilərinə dəyişdirərək parlaqlığı dəyişir. Bu, oriyentasiya sahələrində ölçülən təsvirdəki parlaqlıq “zolaqlarının” istiqamətlərini dəyişmədən piksel baxımından parlaqlıq məzmununu kəskin şəkildə dəyişir. Bu, oriyentasiya sahələrini böyük ölçüdə dəyişmədən tərk edən Qəribə kölgələmə nümunələri yaradır. Hazırkı təcrübələrdə Qəribə stimul yaratmaq üçün Lambertian stimullarına h(x) tətbiq edilmişdir. Kredit: Milli Elmlər Akademiyasının Materialları (2025). DOI: 10.1073/pnas.2503088122

Kölgələmə ətrafımızdakı obyektlərin formasını gözəl şəkildə oyaraq 3D formaları canlandırır. Qavrayış üçün kölgələmənin vacibliyinə baxmayaraq, elm adamları beynin əslində ondan necə istifadə etdiyi barədə çoxdan çaşqınlıq edirdilər. Justus-Liebig-University Giessen və Yale Universitetinin tədqiqatçıları bu yaxınlarda təəccüblü bir cavab verdilər.

Əvvəllər güman edilirdi ki, kölgələmə fizika maşını kimi şərh olunur, hansısa formada və işıqlandırmanın birləşməsini “əks mühəndislik” görürük ki, bu da gördüyümüz kölgəni yenidən yaradır. Bu təkcə qabaqcıl kompüterlər üçün son dərəcə çətin deyil, həm də vizual beyin bu cür problemi həll etmək üçün nəzərdə tutulmayıb. Beləliklə, bu tədqiqatçılar gözdən ilk siqnal aldıqda beyin haqqında bilinənləri nəzərə alaraq başlamaq qərarına gəldilər.

Gissendən professor Roland V. Fleminq izah edir: “Vizual emalın ilk addımlarından bəzilərində beyin təsviri bir sıra “kənar detektorları” vasitəsilə keçir və onu mahiyyətcə eskiz kimi izləyir”. “Xətlər axtaran beyin üçün kölgə nümunələrinin necə görünəcəyi ilə maraqlandıq.” Bu fikir gözlənilməz, lakin kölgə çıxarma problemi üçün ağıllı bir qısa yola gətirib çıxardı.

Professor Fleminq qeyd edib ki, “Belə olur ki, kölgələmə nümunələri obyektlərin 3D əyrilərini izləyən bulanıq xətləri çəkir, beləliklə, bu xətləri ölçməklə beyin 3D formasını anlaya bilir”. “Məlum oldu ki, kölgələri anlamaq üçün beynin işığın səthlərdən necə sıçradığını bilməsinə ehtiyac yoxdur.”Uyğunluq tapşırığı üçün stimul yaratmanın təsviri. (A) 180 dərəcə təsadüfi 1D deformasiya xəritələri cəmlənir və izotrop deformasiyaya uğramış səth yaratmaq üçün hamar əsas formaya tətbiq edilir. (B) İştirakçılardan sürüşdürmə vasitəsi ilə uyğunluq obyektinin formasını dəyişdirərək təqdim olunan test obyekti üçün ən yaxşı 3D uyğunluğu seçmək tələb olundu. Slayder müvafiq 1D deformasiya xəritəsinin çəkisini zəiflətməklə xüsusi forma istiqamətlərini süzür. (C) İki sınaq şəklinin və onların ən yaxşı uyğun gələn obyektlərinin nümunəsi. İki sınaq təsviri eyni formanı iki fərqli istiqamətdən işıqlandırmaq yolu ilə yaradılır ki, bu da işıqlandırma istiqamətinə paralel forma xüsusiyyətlərini müəyyən edən kölgələmə məlumatını effektiv şəkildə süzür. Bu, heyrətamiz dərəcədə fərqli forma qavrayışları yaradır və eyni şəkildə onların təsvirin oriyentasiya sahələrinə təsir göstərir. Ön tərəfdən işıqlandırılan ən yaxşı uyğunluq obyektləri sınaq təsvirində istifadə olunan işıqlandırma istiqamətinə uyğun gələn forma xüsusiyyətlərini silməklə yaradılır. Bu xüsusiyyətlərin uyğunluq formalarından çıxarılması bizə test şəklinin oriyentasiya sahələrini yaxından təqlid etməyə imkan verir. Yaxşı test/maç cütlərinin fərqli həqiqi formaları olsa da, onların qəbul edilən formaları olduqca oxşardır. Kredit: Milli Elmlər Akademiyasının Materialları (2025). DOI: 10.1073/pnas.2503088122

Əslində, onlar beynin kölgənin fiziki olaraq dəqiq olub-olmamasına əhəmiyyət vermədiyini aşkar etdilər. Yale Universitetinin kompüter alimi professor Stiven Zuker deyir: “Biz “qəribə kölgələmə”nin bədii təsvirlərini yaratdıq – fizika qaydalarını pozan kölgələmə, lakin real kölgəli şəkillərlə eyni xətt nümunələrinə malikdir”. “İnsanlar bu qəribə görüntülərdən eyni 3D fiqurları müəyyən edir ki, bu da bizə önəmli olan xətlərin olduğunu göstərir.”

Ən müasir kompüter modellərindən və insan könüllüləri ilə təcrübələrdən istifadə edərək, tədqiqatçılar bu nəzəriyyəni sınaqdan keçirdilər və insanların qavradıqları 3D formalar ilə kölgələmənin yaratdığı 2D xətt nümunələri arasında təəccüblü əlaqə olduğunu təsdiq etdilər. Ən ümidvericisi odur ki, bu nəzəriyyə həm də bir sıra materiallardan hazırlanmış kölgəli obyektləri – tutqundan parlaqlığa, cilalanmış xroma qədər – ənənəvi kölgələmə hesablarının onilliklər boyu mübarizə apardığı bir şeyə aiddir.

Onların tapıntıları göstərir ki, “kənar aşkarlama”nın başladığı vizual emalın ilkin mərhələ nəticələri qavrayışda əvvəllər düşünüldüyündən daha böyük rol oynaya bilər. Bu, 3D dünyasını bir şəkil kimi təqdim etmək cəhdi olan çertyojların nə üçün eskiz xətlər və konturlarla qurulduğunu izah edə bilər.

“Bu, diqqətəlayiqdir, çünki o, təkcə kölgələmə və çarpazlıq kimi müxtəlif sənət üsullarının niyə bu qədər cəlbedici olduğunu izah etmir. O, bizə dünyanın 3D quruluşunu anlamaq üçün beynin təsvirlərdə hansı məlumatlara baxdığını dəqiq deyir”, – işdə iştirak edən alimlərdən biri Selin Aubuchon deyir.

Tədqiqatçılar bu yaxınlarda bu tapıntıları Proceedings of the National Academy of Sciences jurnalında dərc ediblər . Onlar xətt nümunələri və 3D obyektlər arasında öyrənilmiş əlaqələrin dünyanı necə qavradığımızı necə izah edə biləcəyini görmək üçün bu işi davam etdirirlər.

Ətraflı məlumat: Celine Aubuchon et al, Orientation sahələri kölgələmədən 3D formanın insan qavrayışını proqnozlaşdırır, Proceedings of the National Academy of Sciences (2025). DOI: 10.1073/pnas.2503088122

Jurnal məlumatı: Milli Elmlər Akademiyasının Materialları Gissen Universiteti tərəfindən təmin edilmişdir