Synthesizing Images on Perceptual Boundaries of ANNs for Uncovering and Manipulating Human Perceptual Variability
Created by
- Haebom
Category
Empty
저자
Chen Wei, Chi Zhang, Jiachen Zou, Haotian Deng, Dietmar Heinke, Quanying Liu
개요
본 논문은 인간의 인지 과제 및 일상생활에서의 의사결정 변동성을 이해하기 위한 계산 프레임워크 BAM(Boundary Alignment & Manipulation framework)을 제시합니다. BAM은 ANN(인공 신경망)의 지각 경계 샘플링과 인간 행동 실험을 결합하여 지각 변동성을 유도하는 자극을 생성합니다. 246명의 참가자를 대상으로 116,715회의 시행을 거친 대규모 행동 실험을 통해 자극의 효과를 검증하고, 19,943개의 체계적으로 주석이 달린 이미지를 포함하는 variMNIST 데이터셋을 생성했습니다. 개인 맞춤형 모델 정렬 및 적대적 생성을 통해 참가자 쌍의 상이한 지각 결정을 동시에 예측하고 조작하는 신뢰할 수 있는 방법을 확립했습니다. 이 연구는 계산 모델과 인간 개인 차 연구 간의 간극을 해소하고, 개인화된 지각 분석을 위한 새로운 도구를 제공합니다.
시사점, 한계점
•
시사점:
◦
ANN의 지각 경계 샘플링을 이용하여 인간 지각 변동성을 체계적으로 연구하는 새로운 프레임워크 제시
◦
대규모 행동 실험 데이터와 variMNIST 데이터셋을 통해 인간 지각의 개인차 연구에 기여
◦
개인 맞춤형 모델 정렬 및 적대적 생성을 통해 개인의 지각 결정 예측 및 조작 가능성 제시
◦
계산 모델과 인간 행동 연구 간의 융합을 통한 새로운 지각 분석 도구 제공
•
한계점:
◦
현재 연구는 특정 유형의 시각적 자극(MNIST)에 국한되어 다른 유형의 자극이나 인지 과제로의 일반화 가능성에 대한 추가 연구 필요
◦
BAM 프레임워크의 적용 가능성 및 한계에 대한 더욱 심도 있는 분석 필요
◦
개인차를 설명하는 요인의 포괄적인 분석 부족. 개인의 특성, 경험 등이 지각 변동성에 미치는 영향에 대한 추가 연구가 필요.
◦
variMNIST 데이터셋의 일반화 가능성 검증 필요. 다른 인구집단이나 과제에 적용 가능한지 추가 연구가 필요.
