一鍵關(guān)注，點(diǎn)亮星標(biāo) ?? 前沿不走丟！

認(rèn)知神經(jīng)科學(xué)前沿文獻(xiàn)分享

基本信息

Title:Feature binding in biological and artificial vision

發(fā)表時(shí)間：2026.3.1

發(fā)表期刊:Trends in Cognitive Sciences

影響因子：15.9

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

引言

我們看到的世界，從來不是孤立的顏色、邊緣和動(dòng)作，而是一個(gè)個(gè)有邊界、有歸屬的完整對(duì)象。比如在人群中，有人抬手做了一個(gè)手勢(shì)，視覺系統(tǒng)不僅要識(shí)別“這里有一只手”，還要進(jìn)一步判斷“這只手屬于誰”。這類把分散特征整合到同一對(duì)象上的過程，就是特征綁定（feature binding）問題。

圍繞這個(gè)問題，認(rèn)知神經(jīng)科學(xué)已經(jīng)討論了很多年，但爭(zhēng)議并沒有結(jié)束。近期，Scholte和de Haan提出不同看法，認(rèn)為視覺腦區(qū)的功能專門化沒有傳統(tǒng)觀點(diǎn)說得那么強(qiáng)，而且由于對(duì)象特征的神經(jīng)編碼高度分布，很多綁定難題可能被夸大了。Roelfsema和Serre這篇回應(yīng)文章正是對(duì)這一判斷的集中反駁。文章的重點(diǎn)不在于重復(fù)舊結(jié)論，而是把生物視覺和人工視覺放到同一個(gè)討論框架中：一方面，作者重新梳理了視覺皮層專門化的經(jīng)典證據(jù)；另一方面，他們也指出，深度神經(jīng)網(wǎng)絡(luò)并沒有真正繞開綁定問題。恰恰相反，越是想在復(fù)雜、開放、擁擠的場(chǎng)景里穩(wěn)定識(shí)別對(duì)象，無論是人腦還是人工系統(tǒng)，都越需要某種能夠完成“歸屬判定”的機(jī)制。

實(shí)驗(yàn)設(shè)計(jì)與方法邏輯

作者圍繞“視覺系統(tǒng)是否真的需要綁定機(jī)制”這一核心問題，先對(duì)視覺皮層功能專門化的證據(jù)進(jìn)行再評(píng)估，再借助人群中識(shí)別手勢(shì)發(fā)出者的情境說明“基礎(chǔ)組合（base-groupings）”在開放場(chǎng)景中的局限，隨后引入對(duì)象性注意（object-based attention）作為漸進(jìn)式綁定框架，并結(jié)合卷積神經(jīng)網(wǎng)絡(luò)（CNNs）、Transformer和視覺-語言模型（vision-language models, VLMs）的表現(xiàn)，說明靈活視覺理解依然依賴顯式或功能等價(jià)的綁定過程。

核心發(fā)現(xiàn)

視覺皮層的功能專門化并沒有被推翻

作者認(rèn)為，僅憑卒中病灶研究中“中層視覺區(qū)損傷與知覺缺陷關(guān)聯(lián)不強(qiáng)”這一結(jié)果，并不足以否定視覺腦區(qū)的專門化，因?yàn)檫@類病灶邊界不清、個(gè)體差異大，也未必覆蓋關(guān)鍵區(qū)域。相比之下，更可控的證據(jù)更有說服力：例如MT區(qū)損傷或電刺激會(huì)特異性影響運(yùn)動(dòng)知覺，面孔加工區(qū)神經(jīng)元?jiǎng)t表現(xiàn)出明顯的面孔選擇性，局部干預(yù)還能改變面孔感知。讀者要抓住的重點(diǎn)是，視覺皮層確實(shí)存在穩(wěn)定而可檢驗(yàn)的功能偏向，這為后文討論綁定為何仍必要打下了基礎(chǔ)。

預(yù)設(shè)好的“特征組合”無法覆蓋真實(shí)世界的復(fù)雜組合

文章最有畫面感的論證來自Figure 1A：在人群里看到一只手做出手勢(shì)，真正困難的不是識(shí)別“手勢(shì)”本身，而是把這只手和正確的臉對(duì)應(yīng)起來。作者借此指出，如果依賴預(yù)先寫好的“某個(gè)人+某個(gè)動(dòng)作”式神經(jīng)編碼，系統(tǒng)就必須面對(duì)組合數(shù)量迅速膨脹的問題。即便某些特征經(jīng)常一起出現(xiàn)，也不足以覆蓋開放環(huán)境中幾乎任意都可能發(fā)生的搭配。

Figure 1. Binding with object-based attention.

對(duì)象性注意不是附加裝置

而是綁定形成的過程本身

Figure 1B進(jìn)一步說明，作者更支持一種漸進(jìn)式的綁定機(jī)制：對(duì)象性注意會(huì)從最關(guān)鍵的局部線索出發(fā)，沿著手、手臂、軀干一路擴(kuò)展到面孔，把屬于同一對(duì)象的特征逐步連成整體。這里最值得關(guān)注的是圖中的時(shí)間軸，它強(qiáng)調(diào)綁定往往不是瞬時(shí)完成的，而是一個(gè)需要時(shí)間展開的分組過程。人類視覺中的“整體對(duì)象”并不是天然附著在輸入上的結(jié)果，而是在注意選擇與神經(jīng)活動(dòng)增強(qiáng)中逐步建立起來的，這也是靈活知覺能夠成立的關(guān)鍵。

人工視覺的發(fā)展，反而再次證明綁定不可缺席

文章并沒有把綁定問題局限在人腦討論里，而是進(jìn)一步指出，人工視覺系統(tǒng)同樣離不開綁定。無論是依賴候選區(qū)域機(jī)制的Mask R-CNN，還是依賴注意力機(jī)制的Transformer模型，本質(zhì)上都在通過某種方式把分散特征組織成對(duì)象。作者特別強(qiáng)調(diào)，一旦去掉這類機(jī)制，CNN在簡(jiǎn)單視覺推理任務(wù)上都可能明顯吃力；而在綁定更困難的場(chǎng)景里，先進(jìn)模型的性能下降甚至可能比人類更明顯。

歸納總結(jié)和點(diǎn)評(píng)

這篇文章的價(jià)值，在于它沒有把“分布式表征”和“特征綁定”設(shè)定成非此即彼的對(duì)立關(guān)系，而是指出兩者恰恰可以同時(shí)成立：表征可以分布，但對(duì)象歸屬依然需要專門機(jī)制來完成。作者通過視覺神經(jīng)科學(xué)證據(jù)、概念圖示和人工視覺模型的局限，把一個(gè)常被說得很抽象的問題重新講清楚了。更可貴的是，這篇短文把人腦研究與AI研究放在相互校驗(yàn)的位置上，讓“老問題”重新獲得了新的解釋力。

分享人：BQ

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認(rèn)知神經(jīng)科學(xué)的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及 Nat Neurosci, Nat Hum Behav, Neuron, Sci Adv 等核心子刊與頂級(jí)大刊

每日速遞「深度解讀」與「前沿快訊」，為你打破信息差

科研是一場(chǎng)探索未知的長(zhǎng)跑，但你無需獨(dú)行。歡迎志同道合的你加入PsyBrain 學(xué)術(shù)社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點(diǎn)擊卡片進(jìn)群，歡迎你的到來

一鍵分享，讓更多人了解前沿