Local recurrence accounts for extended processing during occluded-object recognition
En intégrant la MEG, la modélisation computationnelle et diverses techniques de neuroimagerie, cette étude démontre que le traitement récurrent local prolongé, plutôt que le feedback descendant à longue portée, est le mécanisme principal permettant la reconnaissance d'objets occultés.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Nos cerveaux sont remarquablement doués pour percevoir le monde comme une image complète, même lorsque nos yeux ne reçoivent que des fragments. Lorsqu'une branche d'arbre bloque une partie d'un oiseau, ou qu'une voiture garée cache l'arrière d'un camion, nous ne voyons pas des pièces disjointes ; nous voyons l'animal ou le véhicule dans son ensemble. Cette capacité à reconnaître des objets à partir d'une entrée visuelle incomplète est une partie fondamentale de la perception humaine. Les scientifiques savent depuis longtemps que ce processus nécessite plus qu'un simple balayage rapide de l'information voyageant de l'œil vers le cerveau. Lorsque les preuves visuelles sont ambiguës ou manquantes, le cerveau doit engager un traitement supplémentaire, plus lent, pour combler les lacunes. Cependant, une question centrale est restée sans réponse : comment le cerveau y parvient-il ? Repose-t-il sur une conversation rapide et incessante entre différentes régions spécialisées du cerveau, ou dépend-il d'une région unique travaillant plus intensément et plus longtemps sur elle-même pour reconstituer l'image ?
Une équipe de chercheurs s'est donné pour mission de résoudre ce mystère en observant le cerveau humain en action pendant que des personnes regardaient des objets partiellement cachés. Ils ont utilisé une technique appelée magnétoencéphalographie, qui mesure les minuscules champs magnétiques produits par l'activité électrique du cerveau, permettant ainsi de suivre les événements neuronaux avec une précision à la milliseconde. Ils ont présenté aux participants des images de quatre types d'objets — des chameaux, des cerfs, des voitures et des motos — dont certains étaient partiellement recouverts par des formes noires pour simuler l'occlusion. Pour comprendre comment le cerveau traitait ces images, ils ont comparé deux théories principales. Une théorie suggérait que le cerveau envoie un signal « descendant » (top-down) depuis des zones de niveau supérieur, qui détiennent la vue d'ensemble, vers les zones visuelles précoces pour aider à clarifier les parties floues ou cachées. L'autre théorie proposait que les zones visuelles précoces aient simplement besoin de plus de temps pour traiter les fragments localement, en affinant l'image par des boucles internes répétées sans avoir besoin d'un message longue distance provenant du sommet.
Les chercheurs ont découvert que lorsque les objets étaient cachés, le cerveau mettait effectivement plus de temps pour les reconnaître, et ce temps supplémentaire était crucial pour la réussite de l'identification. Ils ont utilisé une méthode appelée masquage rétroactif (backward masking), où un motif rapide et déroutant est projeté immédiatement après l'objet, pour tester si ce temps de traitement supplémentaire était nécessaire. Ils ont découvert que si ce temps de traitement supplémentaire était écourté par le masque, le cerveau échouait à reconnaître l'objet caché. Cela a confirmé que la reconnaissance d'objets occultés nécessite un travail actif et continu après le premier regard. Cependant, lorsqu'ils ont examiné de près le flux d'informations entre les différentes régions cérébrales, ils ont découvert quelque chose de surprenant. Le timing des signaux et la direction de la communication entre les zones visuelles précoces et les zones de traitement d'objets de niveau supérieur ne changeaient pas d'une manière suggérant l'établissement d'une nouvelle boucle de rétroaction urgente. Les régions cérébrales communiquaient entre elles, mais la conversation ne devenait pas plus intense ni ne changeait de mode spécifiquement parce que l'objet était caché.
Pour comprendre exactement ce qui se passait à l'intérieur du cerveau, les chercheurs ont construit un modèle informatique qui imitait la structure du cerveau. Ils ont créé trois versions de ce modèle : une qui ne traite l'information que dans un passage direct vers l'avant, une qui permet aux régions précoces de faire boucler l'information localement sur elles-mêmes, et une qui inclut une voie de rétroaction à longue portée du sommet du cerveau vers la base. Lorsqu'ils ont testé ces modèles sur les mêmes objets cachés, le modèle doté de boucles locales a obtenu de bien meilleurs résultats que la version simple à passage direct. Il a réussi à récupérer l'identité des objets cachés, tout comme le cerveau humain. La version avec la voie de rétroaction à longue portée, quant à elle, n'a offert aucun avantage significatif par rapport à la version à boucles locales. En fait, l'ajout de la connexion à longue portée n'a pas rendu le modèle plus performant pour la reconnaissance des objets cachés que les boucles locales seules.
L'étude conclut que la capacité du cerveau à reconnaître des objets cachés repose principalement sur un traitement local prolongé au sein des zones visuelles elles-mêmes. Plutôt que d'envoyer un signal spécial des centres supérieurs du cerveau pour corriger l'image, les régions visuelles précoces semblent travailler plus dur et plus longtemps de façon autonome, affinant de manière répétée les fragments jusqu'à ce que l'objet devienne clair. Bien que le cerveau possède certainement des connexions à longue portée capables d'envoyer des informations d'avant en arrière, les chercheurs ont constaté qu'aucune preuve ne montrait que ces voies spécifiques étaient la clé pour résoudre le puzzle de l'occlusion dans ce contexte. La solution résidait dans les circuits locaux, qui pouvaient soutenir et approfondir leur propre analyse jusqu'à ce que l'objet caché soit révélé. Cette découverte modifie notre compréhension de la perception visuelle, suggérant que la capacité du cerveau à voir à travers les obstacles est un témoignage de la puissance du calcul itératif local plutôt que d'une mission de sauvetage venant du sommet.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.