Studie kartiert zeitliche Abfolge der Objektgrößenverarbeitung im menschlichen Gehirn

Großbritannien: Studie kartiert zeitliche Abfolge der Objektgrößenverarbeitung im menschlichen Gehirn

Methodik

Forscher nutzten das THINGS EEG2‑Datenset, das EEG‑Aufzeichnungen von Probanden während der Betrachtung natürlicher Bildstimuli enthält. Durch den Einsatz von Representational Similarity Analysis wurden neuronale Muster analysiert, um die Verarbeitung von Objekt‑Realweltgröße, retinaler Größe und wahrgenommener Tiefe zu differenzieren. Zusätzlich wurden sowohl natürliche Szenen als auch isolierte Objektabbildungen ohne Hintergrund eingesetzt, um mögliche Störeinflüsse zu minimieren.

Ergebnisse der menschlichen EEG‑Messungen

Die Analyse ergab eine klare zeitliche Reihenfolge: Zunächst wurde die reale Tiefe von Objekten verarbeitet, gefolgt von der retinalen Größe, und schließlich die reale Objektgröße. Diese Reihenfolge wurde über mehrere Zeitpunkte hinweg nachgewiesen und verdeutlicht, dass die Wahrnehmung von Tiefe dem Gehirn zuerst zugänglich ist.

Künstliche neuronale Netze

Die gleichen Bildstimuli wurden in drei unterschiedlichen künstlichen Netzwerken getestet: ein rein visuelles ResNet, das multimodale CLIP‑Modell und das rein sprachbasierte Word2Vec. In allen drei Architekturen gelang es, die Repräsentationen von realer Größe, retinaler Größe und Tiefe zu entkoppeln, was die Parallelen zwischen menschlicher und künstlicher Informationsverarbeitung unterstreicht.

Vergleichsrahmen

Durch einen multimodalen Vergleich zwischen menschlichen EEG‑Daten und den Netzwerk‑Repräsentationen identifizierten die Forscher die reale Objektgröße als stabile, hochrangige Dimension im Objekt‑Raum, die sowohl visuelle als auch semantische Informationen integriert. Dieser Befund legt nahe, dass reale Größe nicht nur ein rein visuelles Merkmal, sondern ein konzeptuelles Konstrukt ist.

Bedeutung der Befunde

Die Studie liefert eine zeitlich aufgelöste Charakterisierung, wie das Gehirn zentrale Objektmerkmale verarbeitet. Daraus ergeben sich Implikationen für die Weiterentwicklung von bildverarbeitenden Modellen, die menschliche Wahrnehmungsprinzipien stärker berücksichtigen sollen.

Ausblick

Die Autoren schlagen vor, zukünftige Forschungen könnten die hier identifizierten zeitlichen Muster nutzen, um gezielt Modelle zu trainieren, die komplexe räumliche Beziehungen besser abbilden. Zudem könnten vergleichbare Analysen weitere Objektattribute wie Form oder Material beleuchten.Dieser Bericht basiert auf Informationen von eLife, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.