novel motion datasets

该数据集由京都大学的研究团队创建，旨在模拟自然环境中物体的运动，特别是具有不同材料属性的物体。数据集包含两种版本：一种是纯Lambertian（哑光）物体，另一种是经历光学湍流的非Lambertian物体。数据集通过训练模型来估计物体运动，并验证模型是否能够感知二阶运动。数据集的应用领域包括计算机视觉和认知科学，旨在解决机器视觉模型与人类视觉系统在运动感知上的差异问题。

This dataset was created by a research team at Kyoto University, aiming to simulate the motion of objects in natural environments, particularly those with different material properties. The dataset includes two variants: one composed of purely Lambertian (matte) objects, and the other featuring non-Lambertian objects that undergo optical turbulence. It is utilized to train models for object motion estimation and validate whether models can perceive second-order motion. Its application areas cover computer vision and cognitive science, with the objective of resolving the discrepancies in motion perception between machine vision models and the human visual system.

搜集汇总

数据集介绍

构建方式

本研究旨在开发能够模拟人类视觉运动感知能力的机器学习模型。为此，研究人员构建了一个包含多种自然视频的新型运动数据集，其中物体的材质属性各不相同，包括纯兰伯特材质（哑光）和非兰伯特材质（如反光、透明和金属表面）。这些视频被用于训练模型，使其能够估计物体在自然场景中的运动，并忽略由于非兰伯特材质引起的运动中的光学干扰。

特点

该数据集的特点在于它能够训练模型感知高阶图像特征的运动（即第二阶运动），这是许多计算机视觉模型所无法捕捉的。数据集中的视频包含了复杂的动态光学湍流，这使得模型能够学习在存在光学噪声的情况下估计物体运动。此外，数据集还包括了一个用于量化第二阶运动感知的基准，该基准使用自然图像的各种第二阶调制，以测试模型在检测第二阶运动方面的能力。

使用方法

使用该数据集时，研究人员首先使用自然视频训练了一个包含两个通道的模型，一个用于捕捉基于亮度的第一阶运动，另一个用于提取非线性时空特征以捕捉第二阶运动。然后，模型在包含不同材质属性的运动数据集上进行了训练，以学习估计物体在自然场景中的运动。此外，模型还使用了一个基于图网络的自注意力机制，以实现灵活的连接和全局运动整合，从而模拟大脑中的视觉运动处理路径。

背景与挑战

背景概述

在视觉运动感知领域，人类视觉系统与计算机视觉模型之间存在显著的差异。人类能够感知高阶图像特征的运动，而许多计算机视觉模型由于依赖强度守恒定律而无法捕捉这种运动。本研究旨在开发一种能够像人类一样感知视觉运动的机器。研究人员Zitang Sun, Yen-Ju Chen, Yung-Hao Yang, Yuan Li, Shin’ya Nishida等人，在京都大学信息学研究生院进行了一项研究，旨在开发一种能够模仿人类视觉运动感知的生物启发性模型。该模型模仿了皮层V1-MT运动处理通路，利用可训练的运动能量传感器库和循环图网络。通过使用多样化的自然视频进行监督学习，该模型能够复制关于一阶（基于亮度的）运动感知的心理物理和生理发现。对于二阶运动，模型包括一个额外的传感通路，在运动能量传感之前进行非线性预处理，使用简单的多层3D CNN块实现。研究人员在具有不同运动物体材质属性的新型运动数据集上训练了双通道模型。结果表明，训练模型从非朗伯材料中估计物体运动自然地赋予了模型感知二阶运动的能力，这与人类的感知能力相似。最终模型有效地与生物系统对齐，并推广到自然场景中的一阶和二阶运动现象。

当前挑战

本研究面临的主要挑战包括：1)人类视觉系统与计算机视觉模型之间的差异，特别是人类对高阶图像特征运动的感知能力；2)构建过程中遇到的挑战，包括如何模拟人类视觉系统的V1-MT运动处理通路，以及如何训练模型以复制心理物理和生理发现。为了解决这些挑战，研究人员开发了一种双通道模型，其中一个通道用于捕捉一阶运动，另一个通道用于提取高阶特征并进行非线性预处理。此外，研究人员还构建了具有不同材质属性的运动数据集，以训练模型感知二阶运动。这些挑战的解决有助于推动计算机视觉领域的发展，并开发出更加可靠和稳定的运动估计模型。

常用场景

经典使用场景

该数据集用于训练机器学习模型，使其能够模拟人类视觉运动感知，特别是对高阶图像特征（第二阶运动）的感知。通过训练，模型能够复制人类在第一阶（基于亮度的）运动感知方面的心理物理和生理发现。此外，该模型包括一个额外的传感通路，在运动能量感知之前进行非线性预处理，以模拟人类对第二阶运动的感知。

衍生相关工作

该数据集衍生了多个相关的研究工作，包括但不限于：1. 基于深度学习的生物视觉运动处理模型；2. 第二阶运动感知的神经科学和心理学研究；3. 计算机视觉中的高阶特征提取和运动估计。

数据集最近研究

最新研究方向

本研究旨在开发能够模拟人类视觉运动感知的机器。该研究涉及了深度神经网络（DNN）模型在自然图像中准确估计光流的能力，但与生物视觉系统在架构和行为上存在显著差异。人类的视觉系统可以感知更高阶的图像特征（二阶运动），而许多CV模型由于依赖于强度守恒定律而无法捕捉。本研究提出的模型架构模拟了皮层V1-MT运动处理路径，利用可训练的运动能量传感器库和递归图网络。通过使用多样化的自然视频进行监督学习，该模型可以复制关于一阶（基于亮度的）运动感知的心理物理和生理发现。对于二阶运动，受神经科学发现的启发，模型包括了一个额外的传感路径，在运动能量传感之前进行非线性预处理，使用简单的多层3D CNN块实现。通过探索大脑如何在自然环境中获得感知二阶运动的能力，本研究提出了一个假设：在估计非朗伯材料（如光泽表面上的亮点）的光学波动中的稳健物体运动时，二阶机制至关重要。本研究使用具有不同运动物体材料属性的novel motion datasets对双路径模型进行训练，发现训练模型从非朗伯材料中估计物体运动自然赋予了模型感知二阶运动的能力，这与人类的能力相似。该模型有效地与生物系统对齐，并推广到自然场景中的一阶和二阶运动现象。

相关研究论文

• Machine Learning Modeling for Multi-order Human Visual Motion Processing

  京都大学信息学研究科 · 2025年