Lec 15深度知觉 I：单眼与眼动线索
Lec 15 深度知觉 I：单眼与眼动线索
MIT 9.35 · Perception · 主讲 Josh McDermott
TL;DR
- 单眼深度线索的几何透视：线性透视、纹理梯度、相对大小与遮挡，提供了无需双眼即可推断三维纵深的丰富约束框架。
- 大气透视与阴影致凹凸：远处物体因散射呈现低对比度偏蓝色；大脑强先验假定“光源位于头顶上方”，决定表面的凹陷或凸起判断。
- 大小-距离恒常性方程：埃默特定律（Emmert's Law）证实知觉大小由视网膜角大小与感知距离共同决定，距离估计失真引发艾姆斯房错觉。
- 眼动聚焦与双眼辐辏线索：睫状肌调节与两眼向内辐辏提供的肌张力生理本体感受，在 2 米近距离内辅助精确深度测量。
1. 核心问题
- 驱动问题：- 二维视网膜图像如何提供三维深度，以及哪些结论只能给前后顺序？
- 计算本质：知觉是大脑在面对感觉输入（高噪声、低维投影、非唯一逆问题）时，调动演化与经验先验对真实物理环境展开的贝叶斯最大后验概率估计（MAP）。
- 模块承接：本讲作为全课程第 15 讲，深度承接前后感官因果链条，构筑感知向认知升维的关键计算台阶。
2. 核心概念
| 概念 | 一句话定义 | 易混淆处 |
|---|---|---|
| 遮挡 | 遮挡者通常比被遮挡者近。 | 遮挡多给深度顺序，非精确距离。 |
| 线性透视 | 平行结构在投影中会聚。 | 透视依赖三维平行结构假设。 |
| 纹理梯度 | 纹理单元的图像尺度/密度随深度变化。 | 纹理梯度也受材料和表面方向影响。 |
| 运动视差 | 观察者移动时近物像移动较快。 | 自身运动需与物体运动区分。 |
| 大小恒常性 | 结合视角与距离维持相对稳定的物体大小。 | 恒常大小不等于视网膜投影恒定。 |
3. 证据链
绘画/透视线索演示
- 设计/比较：在平面图像中安排遮挡、会聚线和纹理梯度。
- 讲义所述结果：观看者可报告显著深度。
- 推论：深度可由单眼图像统计和几何假设推断。
- 软肋：遮挡一般只给顺序，不给精确米数；透视依赖真实平行结构。
视角与大小错觉
- 设计/比较：保持目标视网膜角大小近似相同，改变其被知觉的距离。
- 讲义所述结果：距离估计增大时物体可被判断为更大。
- 推论：大小恒常性结合图像尺度与估计距离。
- 软肋：熟悉大小、阴影或画面构图也可能改变判断。
4. 理论之争与计算模型
| 解释 A | 解释 B | 区分证据 |
|---|---|---|
| 单眼平面图像只能是平面知觉 | 单眼统计和场景假设可产生三维估计 | 画面线索冲突和深度报告。 |
5. 分析层次的整合
| 系统层次 | 核心研究维度 | 本讲关键机制与实证 |
|---|---|---|
| 物理与环境层（Physical） | 外部声光电磁刺激的传播与衰减 | 刺激遵循空间、时间与几何光学/声学客观物理法则 |
| 受体与生理层（Physiological） | 感受器官机械/光电换能与突触传递 | 感受野构建、动作电位编码与功能柱分层拓扑 |
| 计算与推断层（Computational） | 贝叶斯先验结合、约束求解与特征绑定 | 克服逆问题不适定性，生成最可能的目标表征 |
| 行为与心理物理层（Behavioral） | 心理物理辨别阈值、觉察反应时与主观错觉 | 行为表现暴露大脑底层所依赖的隐性计算先验 |
- 分析层次小结：- 物理：三维投影；视觉：图像尺度与运动；计算：几何/环境假设；行为：深度与大小判断。
6. 边界条件与失效情形
-
- 熟悉大小依赖对象尺度知识；阴影推断依赖光源位置；任何线索单独使用都有失败场景。
- 常态与极端的辩证：错觉与推断失效绝非心智故障，而是知觉推断机制在脱离日常自然生态统计分布的人工极端刺客刺激下，其内在假设被孤立放大的必然体现。
7. 课程内外的横向关联
- 讲次串联：- Lec14-Motion-Perception-II → Lec16-Depth-Perception-II。
- 自拟例子：平面透视画会让相同视角大小的线条看成不同距离；检验时应控制其他线索。
- 横向跨学科映射：与 MIT 9.00《心理学导论》的感觉感知篇目紧密呼应，在认知神经科学层面将感知心理物理学与初级/高级感觉皮层微回路计算进行端到端对齐。
我的理解
认知科学家的心智诊断：单眼透视的几何魔术——画家画布上的时空折叠
文艺复兴时期的透视法革命不仅改变了艺术史，更揭示了人类深度知觉的计算原理。
线性透视、纹理梯度、相对大小与遮挡，构成了单眼视觉推断三维空间的四大支柱。艾姆斯房间（Ames Room）错觉向我们证明：面对深度线索与大小线索的冲突，大脑毫不犹豫地牺牲了对人身高的常识估计，坚定维护了房间是矩形这一强先验。
我们生活在一个被透视几何深刻规训的心智模型之中。
8. 思考题与自测
- 闭一眼仍可利用哪些深度线索？
- 遮挡为何不能给精确度量距离？
- 距离估计错了会如何影响大小恒常性？
9. 开放问题与前沿探索
- 未决之谜：- 多条单眼线索冲突时，视觉怎样决定可信度？
- 前沿计算交叉：当代深度神经网络（如 Vision Transformer 与深度听觉模型）是否采用了与生物大脑一致的先验约束？如何用生物知觉的抗干扰与小样本泛化机制纠正人工系统的脆弱性？
10. 参考文献与延伸阅读
- 课程核心材料：
- McDermott, J. (2024). 9.35 Perception, Lecture 15: 深度知觉 I：单眼与眼动线索. MIT OpenCourseWare.
- Wandell, B. A. (1995). Foundations of Vision. Sinauer Associates.
- Moore, B. C. J. (2012). An Introduction to the Psychology of Hearing (6th ed.). Brill.
- Marr, D. (1982). Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. W. H. Freeman.