根据预测处理理论,视觉是由我们对世界应该是什么样子的内部模型得出的预测所促进的。然而,这些模型的内容以及它们在人与人之间的差异仍不清楚。在这里,我们使用绘画作为个体参与者内部模型内容的行为读数。首先要求参与者绘制场景类别的典型版本,作为其内部模型的描述符。这些绘图被转换成标准化的 3D 渲染,我们在随后的场景分类实验中将其用作刺激。在两个实验中,与基于他人绘图或场景照片副本的渲染相比,参与者针对自己绘图定制的渲染的场景分类更准确,这表明场景感知是由与特质内部模型的匹配决定的。使用深度神经网络计算评估场景渲染之间的相似性,我们进一步证明,基于参与者自己的典型绘画(以及他们的内部模型)对渲染的分级相似性可以预测一系列候选场景的分类性能。总之,我们的结果展示了一种理解个体差异的新方法的潜力——从参与者对现实世界场景结构的个人期望开始。
主要关键词