Neurobiologische Implikationen der Statistik optischer Flussfelder in der Eigenbewegungsschätzung
Zusammenfassung der Projektergebnisse
Es ist weitgehend akzeptiert, dass das Gehirn in vielen Situationen mehrdeutige Signale aus der Umwelt analysieren muss. Um diese Mehrdeutigkeiten aufzulösen, ist das Signal verarbeitende System gezwungen, statistisch plausible Vorhersagen zu machen und statistische Modelle vom Signal sendenden Umfeld zu nutzen. Wir nehmen an, dass auch der bewegungssensitive Pfad des Gehirns statistische Eigenschaften von natürlichen Flussfeldern nutzt, um den eigentlichen optischen Fluss aus von frühen Bewegungsdetektoren stammenden Signalen zu rekonstruieren. Diese frühen Bewegungssignale unterliegen für gewöhnlich grossem Rauschen und dem Aperturproblem. In dem Projekt wurde über eine Analyse der statistischen Gesetzmäigkeiten natürlicher Flussfelder die Anpassung der Flussfeldverarbeitung in biologischen Systemen an die.natürlichen Bedingungen untersucht. Natürliche Szenen und deren retinale Projektionen weisen in der Regel starke statistische Korrelationen zwischen verschiedenen Bildpunkten auf. Diese Korrelationen und ihre Repräsentationen stellen für statische Bilder einen Zusammenhang mit den Eigenschaften des visuellen Systems dar. Ein wichtiger Untersuchungsgegenstand war deshalb die Verbindung statistischer Eigenschaften optischer Flussfelder natürlicher Szenen zu deren neuronaler Repräsentation in höheren Gehirnarealen (MT, MST). Die statistischen Untersuchungen wurden an korrekten optischen Flussfeldern durchgeführt, die von den dreidimensionalen Daten natürlicher Szenen errechnet wurden. Die Ergebnisse zeigten, dass Richtung und Geschwindigkeit des optischen Flusses weitgehend statistisch unabhängig sind, und dass die Geschwindigkeit eher mit der Tiefenstruktur der Szene und die Richtung eher mit der Eigenbewegung gekoppelt ist. Um die statistischen Eigenschaften des Flussfeldes mit den Eigenschaften flussfeldverarbeitender Neurone zu vergleichen wurde eine effiziente neuronale Kodierung des Flussfeldes entwickelt. Diese optimale Kodierimg weist Gemeinsamkeiten mit neuronalen Eigenschaften im Areal MT auf.
Projektbezogene Publikationen (Auswahl)
- (2007). Local statistics of retinal optic flow for self-motion through natural sceneries. Network: Computation in Neural Systems 18(4):343-374
Calow, D. and Lappe, M.
- (2008). An efficient encoding scheme for dynamic visual input based on the statistics of natural optic flow. In: Wang, R, Gu, F, and Shen, E (editors) Advances in Cognitive Neurodynamics, Springer, 711-716
Calow, D. and Lappe, M.
- (2008). Efficient encoding of natural optic flow. Network: Computation in Neural Systems. 19(3):183-212
Calow, D. and Lappe, M.
