CRCNS: Spatiotemporal Scene Statistics and Contextual Influences in Vision

CRCNS:视觉中的时空场景统计和上下文影响

基本信息

  • 批准号:
    8055168
  • 负责人:
  • 金额:
    $ 29.05万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
  • 财政年份:
    2010
  • 资助国家:
    美国
  • 起止时间:
    2010-08-01 至 2014-07-31
  • 项目状态:
    已结题

项目摘要

DESCRIPTION (provided by applicant): Intellectual merit: A central question in neuroscience is understanding how cortical networks process complex natural stimuli. Neurophysiological studies and computational models have traditionally focused on simple stimuli, such as gratings and bars. While providing important insights, it is difficult to extrapolate from these studies to an understanding of the processing of more natural input. On the other hand, a main hurdle to making progress in the field is that natural scenes are complex and it is not clear what it is about a given scene that evokes a given neural response. To overcome this limitation and to push forward our understanding of cortical processing of natural inputs, we will make use of recent advances in understanding natural scene statistics to closely integrate theory and neurophysiological experiments. We posit that a key factor distinguishing natural images and movies from random scenes are joint statistical dependencies in space and time. Further, we hypothesize that visual neurons are sensitive to these dependencies. We will build a unified modeling framework of spatiotemporal contextual effects in neurons, which is determined by the statistical dependencies in scenes. Importantly, the predictions of the model will be used to guide neurophysiology experiments and to interpret the results. Using natural stimuli, we will measure effects of spatial, temporal, and spatiotemporal context in single neurons and in populations of cells, including determining how interactions between neurons contribute to contextual effects. We will record in primary visual cortex (V1) because it provides a solid background on which to base our experiments. We will conduct parallel recordings in extrastriate area V2 because previous work suggests that it may have different sensitivity to contextual information. The experimental results will validate and guide the modeling framework. Our approach will be a significant advance over previous scene statistics modeling work that has focused on explaining limited contextual physiology data for simple stimuli such as gratings, and will for the first time make full use of the power of scene statistics to answer a fundamental question. Most importantly, our work will make significant strides in elucidating how cortical circuits process natural scenes, within a theoretical framework that provides both predictive and explanatory power. Collaboration: The project will involve a collaborative effort between two young investigators with expertise in computational visual neuroscience and systems physiology; it combines state-ofthe- art algorithms from computational vision and technology for recording populations of neurons in early visual cortex. We will achieve our goal by closely integrating theory and model development with electrophysiological experiments, an approach fostered by the proximity of the two investigators. Broader Impacts: This proposal is expected to have broad impacts in five main areas. First, the work will have broad impact for basic, biomedical, and applied disciplines, including: studying other sensory systems under natural input; building superior visual aids; designing artificial systems; and advancing image and signal processing. Second, the data and stimuli will be made broadly available to the community through the CRCNS data sharing website. Third, the project will be used to train and mentor postdoctoral fellows to become independent research scientists. Fourth, the project will for the first time introduce students at Albert Einstein to the combination of theoretical and experimental approaches for solving fundamental questions in neuroscience. Finally, the project will be used as part of an outreach effort to expose local underrepresented high school students in the Bronx to exciting scientific research.
描述(由申请人提供):智力优点:神经科学中的一个核心问题是了解皮质网络如何处理复杂的自然刺激。神经生理学研究和计算模型传统上专注于简单的刺激,例如光栅和棒。在提供重要的见解的同时,很难从这些研究中推断出对更自然输入的处理的理解。另一方面,在该领域取得进展的主要障碍是自然场景很复杂,尚不清楚给定的唤起给定神经反应的给定场景是什么。为了克服这一局限性并推动我们对自然输入的皮质处理的理解,我们将利用最近的进步来理解自然场景统计,以紧密整合理论和神经生理学实验。我们认为,将自然图像和电影与随机场景区分开的关键因素是空间和时间上的联合统计依赖性。此外,我们假设视觉神经元对这些依赖性敏感。我们将在神经元中建立一个时空效应的统一建模框架,该框架取决于场景中的统计依赖性。重要的是,该模型的预测将用于指导神经生理学实验并解释结果。使用天然刺激,我们将测量单个神经元和细胞种群中时空,时间和时空环境的影响,包括确定神经元之间的相互作用如何对上下文效应有所影响。我们将在主视觉皮层(V1)中记录,因为它为基于我们的实验提供了坚实的背景。我们将在室外区域V2中进行并行记录,因为先前的工作表明它对上下文信息可能具有不同的敏感性。实验结果将验证和指导建模框架。我们的方法将是以前的场景统计建模工作的重大进步,该工作集中在解释有限的上下文生理学数据(例如光栅等简单刺激),并首次将完全利用场景统计的力量来回答一个基本问题。最重要的是,我们的工作将在阐明皮质回路如何处理自然场景的理论框架内如何处理自然场景方面取得了长足的进步。协作:该项目将涉及两名具有计算视觉神经科学和系统生理学专业知识的年轻研究者之间的合作努力;它结合了来自计算视觉和技术的最新算法,用于记录早期视觉皮层中神经元的种群。我们将通过将理论和模型发展与电生理实验进行密切整合,这是由两个研究者的接近性促进的一种方法。更广泛的影响:预计该提案将在五个主要领域产生广泛的影响。首先,这项工作将对基本,生物医学和应用学科产生广泛的影响,包括:研究自然输入下的其他感觉系统;建立出色的视觉辅助工具;设计人造系统;并推进图像和信号处理。其次,数据和刺激将通过CRCNS数据共享网站广泛地向社区提供。第三,该项目将用于培训和指导博士后研究员成为独立的研究科学家。第四,该项目将首次在阿尔伯特·爱因斯坦(Albert Einstein)向学生介绍理论和实验方法,以解决神经科学中的基本问题。最后,该项目将被用作外展工作的一部分,以使布朗克斯的当地人数不足的高中学生接触到令人兴奋的科学研究。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

ADAM KOHN其他文献

ADAM KOHN的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('ADAM KOHN', 18)}}的其他基金

CRCNS: Dissecting Directed Interactions Amongst Multiple Neuronal Populations
CRCNS:剖析多个神经元群之间的定向相互作用
  • 批准号:
    10830525
  • 财政年份:
    2023
  • 资助金额:
    $ 29.05万
  • 项目类别:
Understanding feedforward and feedback signaling between neuronal populations
了解神经元群体之间的前馈和反馈信号
  • 批准号:
    10446820
  • 财政年份:
    2022
  • 资助金额:
    $ 29.05万
  • 项目类别:
Visual Crowding
视觉拥挤
  • 批准号:
    9637390
  • 财政年份:
    2018
  • 资助金额:
    $ 29.05万
  • 项目类别:
Visual Crowding
视觉拥挤
  • 批准号:
    9704285
  • 财政年份:
    2018
  • 资助金额:
    $ 29.05万
  • 项目类别:
Visual Crowding
视觉拥挤
  • 批准号:
    10357945
  • 财政年份:
    2018
  • 资助金额:
    $ 29.05万
  • 项目类别:
Learning and updating internal visual models
学习和更新内部视觉模型
  • 批准号:
    8990935
  • 财政年份:
    2015
  • 资助金额:
    $ 29.05万
  • 项目类别:
Learning and updating internal visual models
学习和更新内部视觉模型
  • 批准号:
    9334881
  • 财政年份:
    2015
  • 资助金额:
    $ 29.05万
  • 项目类别:
CRCNS: Spatiotemporal Scene Statistics and Contextual Influences in Vision
CRCNS:视觉中的时空场景统计和上下文影响
  • 批准号:
    8305755
  • 财政年份:
    2010
  • 资助金额:
    $ 29.05万
  • 项目类别:
CRCNS: Spatiotemporal Scene Statistics and Contextual Influences in Vision
CRCNS:视觉中的时空场景统计和上下文影响
  • 批准号:
    8515423
  • 财政年份:
    2010
  • 资助金额:
    $ 29.05万
  • 项目类别:
CRCNS: Spatiotemporal Scene Statistics and Contextual Influences in Vision
CRCNS:视觉中的时空场景统计和上下文影响
  • 批准号:
    8118034
  • 财政年份:
    2010
  • 资助金额:
    $ 29.05万
  • 项目类别:

相似国自然基金

青藏高原“中更新世”岩面艺术的热释光年代学研究
  • 批准号:
    42371161
  • 批准年份:
    2023
  • 资助金额:
    48 万元
  • 项目类别:
    面上项目
艺术品高光谱成像数字典藏与光谱颜色再现研究
  • 批准号:
    62275025
  • 批准年份:
    2022
  • 资助金额:
    59 万元
  • 项目类别:
    面上项目
科学与艺术的邂逅:艺术对科技创新的启示
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    10 万元
  • 项目类别:
基于音色与颜色关联的艺术视听感知计算方法研究
  • 批准号:
    62276240
  • 批准年份:
    2022
  • 资助金额:
    53.00 万元
  • 项目类别:
    面上项目
为无价之物定价:基于大数据方法的艺术品市场定价机制研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目

相似海外基金

University of Florida Health Cancer Center Support Grant
佛罗里达大学健康癌症中心支持补助金
  • 批准号:
    10625750
  • 财政年份:
    2023
  • 资助金额:
    $ 29.05万
  • 项目类别:
Quantitative Single Cell Mass Spectrometry for Small Molecules with Unprecedented Sensitivity
具有前所未有的灵敏度的小分子定量单细胞质谱分析
  • 批准号:
    10431204
  • 财政年份:
    2022
  • 资助金额:
    $ 29.05万
  • 项目类别:
Super Resolution STED Microscopy at UNC
北卡罗来纳大学超分辨率 STED 显微镜
  • 批准号:
    10414283
  • 财政年份:
    2022
  • 资助金额:
    $ 29.05万
  • 项目类别:
LASER ART for PreP
PreP 激光艺术
  • 批准号:
    10259156
  • 财政年份:
    2021
  • 资助金额:
    $ 29.05万
  • 项目类别:
LASER ART for PreP
PreP 激光艺术
  • 批准号:
    10391567
  • 财政年份:
    2021
  • 资助金额:
    $ 29.05万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了