预测眼动中的下一注视画面可得到与人类视觉皮层对齐的场景表征

研究提出 glimpse prediction networks（GPNs），用循环模型沿类人扫视路径预测下一注视点的嵌入表征，以自监督方式学习自然场景结构。作者假设主动视觉中相邻注视点通过共现和受扫视条件约束的空间规律相关联，模型据此提取物体共现、空间排布等复杂场景信息并跨注视点整合。GPN 的表征与人类中高级视觉皮层的 fMRI 响应高度对齐，在对比中常优于其他先进人工神经网络模型。作者据此认为，下一注视点预测是通向类脑场景表征的一条生物学上合理的路径。