stringtranslate.com

Imagen ciclópea

Los objetos del espacio se evalúan en diferentes puntos de la retina. La disparidad binocular es crucial para que el cerebro desarrolle una imagen ciclópea.

La imagen ciclópea es una imagen mental única de una escena creada por el cerebro mediante el proceso de combinación de dos imágenes recibidas de ambos ojos . El proceso mental detrás de la imagen ciclópea es crucial para la visión estereoscópica . [1] Los autoestereogramas aprovechan este proceso para engañar al cerebro y formar una imagen ciclópea aparente a partir de patrones aparentemente aleatorios. Estos patrones aleatorios suelen aparecer en la vida diaria, como en el arte, los libros infantiles y la arquitectura. [2]

La imagen ciclópea recibe su nombre del ser mítico Cíclope , una criatura que posee un solo ojo. El hecho de que sea único hace referencia a la forma en que los espectadores con visión estereoscópica perciben el centro de su campo visual fusionado como si estuviera entre los dos ojos físicos, como si lo estuviera viendo un ojo ciclópeo. [3] Otros términos alternativos para el ojo ciclópeo incluyen tercer ojo imaginario central y binocular.

El término estímulos ciclópeos se refiere a una forma de estímulos visuales que se define únicamente por la disparidad binocular. Recibió su nombre del cíclope tuerto de la Odisea de Homero . El término ciclópeo en términos de disparidad binocular fue acuñado por Bela Julesz . [4] Julesz fue un ingeniero de radar húngaro que predijo que la estereopsis podría ayudar a descubrir objetos ocultos, lo que podría resultar útil para encontrar objetos camuflados. [5] El aspecto importante de esta investigación fue que Julesz demostró que el uso de estereogramas de puntos aleatorios era suficiente para la estereopsis, mientras que Charles Wheatstone solo había demostrado que la disparidad binocular era necesaria para la estereopsis. [6]

Hay un punto de ironía en el origen del término ciclópeo. El cíclope de la Odisea de Homero no habría podido ver un estímulo ciclópeo, ya que solo poseía un ojo. Para que se produzca la estereopsis, un individuo debe poder utilizar señales de profundidad binoculares , una habilidad que el homónimo del término no podría utilizar.

La disparidad binocular en relación con las imágenes ciclópeas se ha convertido en un tema de interés en la investigación [7] debido al aumento del uso de la tecnología tridimensional . La tecnología tridimensional existe no solo en entornos de investigación, sino también en las industrias del entretenimiento . [8] Debido a que las imágenes ciclópeas se crean utilizando señales de profundidad binoculares , las imágenes ciclópeas son importantes para comprender el entorno de un individuo en un entorno determinado. Las imágenes con mayor prominencia permiten un uso óptimo de una imagen ciclópea, ya que se pueden extraer detalles importantes. En otras palabras, una imagen de mayor calidad tiene más significado para el ojo. Aunque tiene limitaciones debido al entorno, las imágenes ciclópeas pueden ser muy adaptables. [9]

La tecnología propuesta pretende utilizar las ideas detrás de las imágenes ciclópeas como una forma de evaluar la calidad de las imágenes utilizadas en los motores de búsqueda . Debido a que las imágenes con mayor relevancia proporcionan significado y contexto a una situación, la tecnología que utiliza este software podría filtrar la información y encontrar qué constituye imágenes de alta y baja calidad. [10] Un tema actual en investigación es crear una inteligencia artificial que examine una imagen y genere información significativa y correcta. [11] Existen ciertas preocupaciones cuando se trata de utilizar imágenes ciclópeas en el avance de la tecnología, una de las cuales es la fatiga visual . Otra preocupación es si la tecnología aún funciona cuando las imágenes se distorsionan de varias maneras. [12] La conexión entre la tecnología y el cuerpo humano no es una idea nueva. Durante años, los investigadores han comparado la mente humana con una computadora avanzada y han utilizado esta comparación para elevar la tecnología que usamos hoy. [13]

Referencias

  1. ^ Wolbarsht, Myron L. (1 de septiembre de 1972). "Fundamentos de la percepción ciclópea. Bela Julesz". The Quarterly Review of Biology . 47 (3): 353–354. doi :10.1086/407382. ISSN  0033-5770.
  2. ^ Ninio, Jacques (1 de febrero de 2007). "La ciencia y el oficio de los autostereogramas". Visión espacial . 21 (1–2): 185–200. doi :10.1163/156856807782753912. PMID  18073058.
  3. ^ Gogel, Walter C; Instituto de Investigación Aeromédica Civil (EE. UU.) (1963). La percepción de la profundidad a partir de la disparidad binocular. Oklahoma City, Okla.: Agencia Federal de Aviación, Servicio Médico de Aviación, División de Investigación Aeromédica, Instituto de Investigación Aeromédica Civil. OCLC  70585084.
  4. ^ "Bela Julesz". www.nasonline.org . Consultado el 29 de junio de 2020 .
  5. ^ Tyler, Christopher (1 de marzo de 2005). Rogowitz, Bernice E; Pappas, Thrasyvoulos N; Daly, Scott J (eds.). "Las riquezas del paradigma ciclópeo". Proc SPIE . Visión humana e imágenes electrónicas X. 5666 : 62. Bibcode :2005SPIE.5666...62T. doi :10.1117/12.602896. S2CID  206414361.
  6. ^ "Charles Wheatstone - Wiki de historia de la ingeniería y la tecnología". ethw.org . 20 de enero de 2016 . Consultado el 1 de julio de 2020 .
  7. ^ Li, Sumei; Han, Xu; Chang, Yongli (octubre de 2019). "Evaluación de la calidad de imagen estereoscópica basada en imágenes ciclópeas adaptativas mediante aprendizaje de conjunto". IEEE Transactions on Multimedia . 21 (10): 2616–2624. doi :10.1109/TMM.2019.2907470. ISSN  1941-0077. S2CID  132019317.
  8. ^ Messai, Oussama; Hachouf, Fella; Seghir, Zianou Ahmed (1 de marzo de 2020). "Red neuronal AdaBoost y vista ciclópea para la evaluación de la calidad de imágenes estereoscópicas sin referencia". Procesamiento de señales: comunicación de imágenes . 82 : 115772. doi :10.1016/j.image.2019.115772. ISSN  0923-5965. S2CID  211235213.
  9. ^ Li, Sumei; Han, Xu; Chang, Yongli (octubre de 2019). "Evaluación de la calidad de imagen estereoscópica basada en imágenes ciclópeas adaptativas mediante aprendizaje de conjunto". IEEE Transactions on Multimedia . 21 (10): 2616–2624. doi :10.1109/TMM.2019.2907470. ISSN  1941-0077. S2CID  132019317.
  10. ^ Lin, Yancong; Yang, Jiachen; Lu, Wen; Meng, Qinggang; Lv, Zhihan; Song, Houbing (febrero de 2017). "Índice de calidad para imágenes estereoscópicas mediante la evaluación conjunta de la amplitud ciclópea y la fase ciclópea". IEEE Journal of Selected Topics in Signal Processing . 11 (1): 89–101. Bibcode :2017ISTSP..11...89L. doi :10.1109/JSTSP.2016.2632422. ISSN  1941-0484. S2CID  18610475.
  11. ^ Yang, Jiachen; Sim, Kyohoon; Lu, Wen; Jiang, Bin (julio de 2019). "Predicción de la calidad de la imagen estereoscópica mediante codificadores automáticos apilados basados ​​en la formación de estereopsis". IEEE Transactions on Multimedia . 21 (7): 1750–1761. doi :10.1109/TMM.2018.2889562. ISSN  1941-0077. S2CID  69969280.
  12. ^ Yang, Jiachen; Wang, Yafang; Li, Baihua; Lu, Wen; Meng, Qinggang; Lv, Zhihan; Zhao, Dezong; Gao, Zhiqun (10 de diciembre de 2016). "Métrica de evaluación de la calidad de imágenes estéreo considerando la integración ciclópea y la prominencia visual". Ciencias de la Información . 373 : 251–268. doi :10.1016/j.ins.2016.09.004. ISSN  0020-0255. S2CID  205465545.
  13. ^ Pinker, Steven (2009). Cómo funciona la mente (1997/2009). Nueva York, NY: WW Norton & Company.