On ne voit que ce que l’on regarde (French)
0 j'aime231 vues
Le document traite de l'attention visuelle, de son rôle dans le traitement de l'information et des mécanismes cérébraux sous-jacents. Il examine également comment les modèles de cerveau peuvent être construits pour simuler l'attention visuelle et leur efficacité en termes de concentration et de focalisation sur des stimuli spécifiques. Enfin, il souligne que la vision est une illusion limitée par notre attention et que des interactions complexes entre mémoire, émotions et motivation influencent notre perception visuelle.
On ne voit que ce que l’on regarde (French)
- 1. “On ne voit que ce que l’on regarde” Nicolas Rougier
- 4. Qu’est ce que l’attention ? Everyone knows what attention is. It is the possession by the mind, in clear and vivid form, of one out of what seem several simultaneously possible objects or trains of thought. Focalization, concentration, of consciousness are of its essence. It implies withdrawal from some things in order to deal effectively with others, … William James, Principles of Psychology, 1890
- 5. Le système visuel La rétine est le point d’entrée des informations visuelles. C’est un récepteur complexe qui fournit énormément d’informations sur le monde extérieur. Le cerveau ne peut pas traiter toute l’information et des choix doivent être donc fait sur ce qui est prioritaire ou pertinent. Mais comment ?
- 6. Modéliser le cerveau Pour l’émuler → nouveaux algorithmes (e.g. Google & deep learning) Pour le soigner → nouvelles thérapies (e.g. stimulation profonde) Pour le comprendre → nouvelles connaissances (e.g. attention visuelle)
- 7. Le cerveau humain Le cerveau humain possède 85 milliards de neurones. Chaque neurone est connecté en moyenne a 10 000 autres. 1mm3 de cortex comprend 1 milliard de connexions.
- 8. Neurones biologiques Un neurone est une cellule excitable capable de recevoir et de transmettre de l’information. Les neurones sont connectés entre eux et forment des réseaux. L’efficacité des connexions évolue avec l’apprentissage.
- 9. Différents modèles On va modéliser le cerveau différemment selon les buts de la recherche : • Modèles connexionistes pour les performances • Modèles biophysiques pour la simulation • Modèles fonctionnels pour le comportement
- 10. Construire des modèles Matériel de base • Anatomie et physiologie • Expérimentation & Enregistrements • Pathologies & lésions Hypothèses de travail • Simplifications extrêmes • Calculs parallèles et distribués • Dynamique et apprentissage Validation • Prédictions • Explications
- 11. Les voies visuelles La voie ventrale • La voie du “quoi” • Formes, couleurs, objets La voie dorsale • La voie du “où” • Position, direction La voie frontale • La voie du “comment” • Attention, saccades
- 12. Attention visuelle L’attention visuelle est la capacité à sélectionner une sous-partie de l’espace visuel : → topologie → propriétés spécifiques → objet particulier Elle peut être : → endogène / exogène → implicite / explicite
- 13. Salience visuelle La salience indique l’importance relative d’un stimulus en raison de sa forme, couleur, mouvement, texture, orientation, etc. On fait l’hypothèse qu’une carte de salience est calculée au sein du cerveau.
- 14. Effet “Pop-out” La salience des stimuli joue un rôle important dans l’attention visuelle. Certains stimuli vont pouvoir biaiser les processus attentionels. C’est un mécanisme d’alerte vis à vis de dangers potentiels.
- 15. Construire un modèle de l’attention visuelle Pour chercher à comprendre l’attention visuelle, on va construire un modèle fonctionnel d’une partie du cerveau qui va pouvoir expliquer (en partie) les mécanismes de l’attention visuelle. On doit en premier définir une tâche visuelle à faire exécuter par le modèle.
- 16. Attention visuelle spatiale Dans un premier temps, on cherche à comprendre comment l’attention peut rester focalisée sur un stimulus sans se laisser distraire…
- 17. Calculs distribués, numériques et adaptatifs Définition d’un cadre de calcul (DANA): • Distribué → pas de superviseur • Asynchrone → pas d’horloge centrale • Numérique → pas de symbole • Adaptatif → apprendre quelque chose On s’assure ainsi que les propriétés du modèle sont bien celles du modèle et non celle du programme qui fait tourner le modèle. Group Group Unit Link Layer Link Value Value Value
- 18. Champ de neurone La densité des neurones est telle que l’on peut considérer le cortex cérébral comme un continuum où le potentiel de membrane en chaque point du cortex est décrit par l’équation: Par analogie avec les gaz, cela revient à s’intéresser à la température plutôt qu’à l’agitation individuelle des molécules. ⌧ @u(x, t) @t = u(x, t) + Z ⌦ w(x, y)f(u(y, t))dy + I(x, t) + h
- 19. Propriétés fonctionelles Selon les paramètres de l’équation et les motifs de connexions, on peut obtenir différentes solutions qui peuvent être interprétées d’un point de vue fonctionnel : On va donc utiliser ces propriétés dans le cadre de nos modélisations et faire le lien avec l’attention visuelle.
- 20. Attention spatiale Un modèle dynamique de suivi de cibles qui tient compte : • du bruit • des distracteurs • de la salience relative La propriété de suivi est la résultante des interactions entres les différentes unités. On parle alors d’émergence.
- 21. Oranges mécaniques Le comportement est dicté par le branchement avec la caméra. Saliency Input Focus C om petition Camera
- 22. Inhibition de retour L’inhibition de retour semble pouvoir inhiber des positions particulière de la scène visuelle, empêchant ainsi l’attention de s’y poser. Time
- 23. Le joueur de Bonto On ajoute au modèle une mémoire de travail (cortex frontal) et un mécanisme d’inhibition (ganglions de la base). Bias/Gating Saliency Memory Update Focus Input Competition Memorization
- 24. Saccades occulaires Les yeux bougent en permanence, même quand ils ne bougent pas. Les saccades occulaires permettent d’explorer une scène visuelle dans son ensemble. Mais la scène visuelle n’est pas “reconstruite”, il n’y pas de théâtre cartésien dans le cerveau.
- 25. Memorized locations Working memory Anticipation Saliency Focus Switch Current memory Prediction Gating Competition Update Prepared saccade Spatial inhibition Spatial processing Orientation filters Color filters Feature maps Spatial bias Perceived features Target Feature processing Motor commands SwitchMove Feature based attention Spatial attention Un modèle d’attention sélective
- 26. Le modèle est capable d’explorer une scène visuelle à la recherche d’une cible précise, en utilisant l’attention explicite (saccades) ou implicite. Un modèle d’attention sélective Time
- 27. Conclusion La vision est une grande illusion. Nous avons seulement un accès restreint au monde visuel via les phénomènes attentionels. Une partie de l’attention visuelle peut s’expliquer en termes de dynamique et de flux d’information. Il n’y a pas d’ordonnanceur. L’attention visuelle émerge de l’interaction des différentes structures cérébrales. Mais ce n’est que le début de l’histoire car il faut prendre en compte la mémoire, les émotions, la motivation, le corps, etc.
- 28. Bibliographie • L’Oeil et l’Esprit Maurice Merleau-Ponty, 1970, Editions Gallimard. • Le cerveau à tous les niveaux, McGill University http://lecerveau.mcgill.ca • L’homme qui prenait sa femme pour un chapeau Oliver Sacks, 1992, Editions du Seuil.