A Large-Scale Computer-Vision Mapping of the Geometric Structures of Stroboscopically-Induced Visual Hallucinations

该研究利用无监督计算机视觉管道分析了 10,598 幅由频闪光诱导的视觉幻觉绘画，成功识别出包括同心方、十字和双曲图案在内的多种重复几何视觉母题，从而为理解简单视觉幻觉的神经机制提供了大规模数据驱动的分类框架。

要点

这篇文章讲述了一项非常有趣的研究，我们可以把它想象成一次**“给大脑里的几何图形画展”**。

想象一下，当你闭上眼睛，面对一盏快速闪烁的灯（就像老式迪厅里的频闪灯），你的眼前会出现各种奇妙的图案：螺旋、网格、隧道、同心圆……这些不是真的东西，而是你的大脑在“做梦”或产生幻觉。

科学家一直想知道：这些图案到底长什么样？它们有规律吗？以前的研究通常只能靠几个人描述，或者画几张图，样本太少，很难看清全貌。

这项研究做了什么？

1. 巨大的“画展”：
   研究人员利用了一个名为"Dreamachine"的公共艺术装置。在 2022 年，有超过 4 万名英国公众去体验了这种闭眼闪烁灯光。体验结束后，大家被邀请用彩笔在纸上画出自己刚才“看到”的东西。
   结果，他们收集到了10,598 幅画作！这就像举办了一个超大规模的“幻觉画展”。

2. AI 当“策展人”：
   面对一万多张风格各异、甚至有点乱糟糟的画，人类很难一眼看出规律。于是，研究团队请来了一个超级聪明的 AI 助手（一种叫 DINOv2 的计算机视觉模型）。
   这个 AI 不像人类那样看“像不像”，而是像一位拥有“透视眼”的策展人。它能瞬间把每一幅画拆解成成千上万个数学特征（比如线条的走向、颜色的分布、形状的对称性），然后把相似的画自动归类。

3. 发现了什么新大陆？
   以前，科学家认为这些幻觉图案只有四种经典类型（由一位叫 Klüver 的学者在 1920 年代提出）：

   • 格子/蜂巢（像棋盘）
   • 蜘蛛网（像放射状的网）
   • 隧道（像往里看的漏斗）
   • 螺旋（像漩涡）

   这就好比以前大家以为世界上只有“红、黄、蓝”三种原色。但这次 AI 分析这 1 万多幅画后，发现世界比想象中丰富得多！

   除了上述经典的“老四样”，AI 还挖掘出了许多以前被忽视或从未被记录过的“新花样”：

   • 同心正方形：像俄罗斯套娃一样的方框。
   • 十字形：各种交叉的十字。
   • 双曲线：像马鞍一样的弯曲线条。
   • 星形/菱形：各种尖锐的几何形状。

   这就好比在只有红黄蓝的世界里，突然发现了“紫罗兰色”和“橄榄绿”，而且它们还成群结队地出现。

这意味着什么？

• 大脑的“出厂设置”很复杂： 这些图案不是随机乱画的，它们是大脑视觉皮层（V1 区）在特定刺激下产生的“标准反应”。就像电脑屏幕坏了会显示特定的雪花屏一样，人类的大脑在“闪烁”时，也会显示出特定的几何结构。
• 旧理论需要升级： 以前解释这些幻觉的数学模型（就像旧地图），只能解释那些旋转对称的图案（如螺旋、隧道），却解释不了这次发现的“正方形”和“十字形”。这就像旧地图只画了大陆，没画岛屿，现在我们需要一张更精确的新地图。
• 科学的新方法： 这项研究展示了如何用**“人海战术” + "AI 分析”**来研究主观体验。以前研究幻觉很难，因为每个人感觉不同；现在通过让成千上万的人画出来，再用 AI 整理，我们就能把模糊的“感觉”变成清晰的“数据”。

总结一下：

这就好比科学家以前只通过几个人的口述，以为大脑里的“幻觉世界”只有四种基本形状。现在，他们通过收集了 1 万多人的画作，并让 AI 这位“超级侦探”去分析，发现这个“幻觉世界”其实是一个色彩斑斓、形状各异的几何宇宙。

这项研究不仅让我们看到了大脑更深层的运作规律，也为未来理解意识、精神疾病甚至药物作用提供了新的线索。它告诉我们：即使是在闭眼做梦或产生幻觉时，我们的大脑依然遵循着某种精妙而复杂的几何法则。

技术摘要

这是一份关于利用大规模计算机视觉技术映射闪光诱导视觉幻觉（SIVHs）几何结构的论文详细技术总结。

1. 研究问题 (Problem)

• 背景： 视觉幻觉（VHs）广泛存在于致幻剂状态、精神疾病（如精神分裂症）及神经系统疾病中。然而，由于缺乏大规模的现象学数据集，对其特征的系统性描述和机制解释一直受到阻碍。
• 现有局限： 传统的简单视觉幻觉（Simple VHs）研究主要依赖于赫曼·克卢弗（Hermann Klüver）在 1920 年代提出的“形式常数”（Form Constants，即晶格、蛛网、隧道、螺旋四种几何模式）分类体系，以及基于初级视皮层（V1）的神经场模型。
• 核心挑战： 现有的分类和模型主要基于小样本、异质性报告格式，且缺乏定量的几何特征分析。许多观察到的几何结构（如具有平移对称性或四重旋转对称性的图案）无法被现有的克卢弗分类或神经场模型充分解释。
• 目标： 利用大规模、公开共享的参与者绘图数据，通过无监督计算机视觉方法，数据驱动地探索 SIVHs 的几何多样性，并检验现有理论框架的局限性。

2. 方法论 (Methodology)

研究采用混合方法，结合了大规模数据收集与无监督深度学习分析。

• 数据来源：

  • Dreamachine 项目： 英国的一项大型公共艺术科学装置，通过闭眼频闪光刺激（SLS）诱导幻觉。
  • 数据集： 收集了 10,598 幅参与者在体验后绘制的图画。
  • 预处理： 剔除损坏、重复、仅含文字或裁剪错误的图像，最终保留 9,700 幅有效图像。进行了中心裁剪、直方图均衡化（消除光照不均）和高斯模糊处理。

• 特征提取 (Feature Extraction)：

  • 模型： 使用预训练的自监督视觉 Transformer 模型 DINOv2 (ViT-L/14)。该模型擅长捕捉全局图像特征和几何结构，且对抽象图案具有良好的迁移能力。
  • 测试时增强 (TTA)： 为每幅图像生成 48 个增强视图（包括旋转、翻转、颜色反转、亮度/对比度抖动等），提取 1024 维特征向量并取平均，以获得更鲁棒的特征表示。

• 降维与聚类 (Dimensionality Reduction & Clustering)：

  • 降维： 首先使用主成分分析（PCA）保留 90% 以上的方差，然后使用 UMAP 将特征空间降至 6 维，以保留流形结构。
  • 聚类算法： 采用 HDBSCAN（基于密度的层次聚类算法）。该算法无需预设簇数量，能处理不同密度的簇，并将异常点标记为噪声。
  • 参数选择： 通过网格搜索和定性评估（结合 DBCV 聚类有效性指标和视觉可解释性），最终确定了包含 15 个簇的解决方案。

• 定性分析：

  • 研究人员对聚类结果进行归纳式主题分析，将簇分为三类：克卢弗式（Klüverian）、非克卢弗式（Non-Klüverian） 和 非几何（Non-Geometric）。

3. 主要结果 (Key Results)

• 聚类分布：

  • 最终方案将 59.1% (5,736 幅) 的图像分配到了 15 个簇 中，其余 40.9% 被标记为噪声（异质性过高或无显著模式）。
  • 几何内容占比： 在已聚类的图像中，约 85.9% 属于简单几何幻觉。

• 几何模式分类：

  1. 克卢弗式几何 (Klüverian, 6 个簇)： 对应经典的四种形式常数。
     • 包括：隧道/蛛网（旋转对称）、螺旋、晶格/棋盘格（平移对称）。
     • 验证了现有理论的核心部分。
  2. 非克卢弗式几何 (Non-Klüverian, 6 个簇)： 这是本研究的新发现。
     • 发现了系统性重复但未被克卢弗分类涵盖的几何结构。
     • 关键发现： 显著的 四重旋转对称性（90°重复结构），包括同心正方形、十字形、菱形/三角形晶格。
     • 发现了 星形线 (Astroid) 和 鱼形囊 (Vesica Piscis) 等此前未报道的图案。
     • 这些图案在所有四个举办地点均重复出现，排除了特定地点的伪影。
  3. 非几何内容 (Non-Geometric, 3 个簇)： 包括模糊色块、语义内容（如人脸、物体）和文字/涂鸦。

• 统计关联： 聚类结果与地理位置无显著相关性（效应量极小），表明几何模式的分布具有普遍性。

4. 关键贡献 (Key Contributions)

1. 大规模数据集分析： 首次利用超过 1 万幅的参与者绘图数据，对简单视觉幻觉进行了大规模的定量现象学研究。
2. 计算机视觉管线创新： 开发并验证了一套结合 DINOv2、UMAP 和 HDBSCAN 的无监督计算机视觉管线，能够有效地从非结构化的人类绘图中提取和分类几何特征。
3. 扩展几何分类体系： 挑战并扩展了克卢弗形式常数理论。研究证明，SIVHs 的几何空间比传统理论描述的更广阔，特别是发现了四重旋转对称和平移对称的混合模式，这些是现有神经场模型难以解释的。
4. 方法论示范： 展示了“参与式科学”（Citizen Science）与先进 AI 技术结合在意识科学研究中的潜力，为研究幻觉提供了新的数据驱动范式。

5. 意义与影响 (Significance)

• 对神经场模型的限制与修正： 现有的基于 V1 皮层和 log-polar 映射的神经场模型主要能解释旋转对称的图案（如螺旋、隧道），但难以解释平移对称（晶格）和四重旋转对称（十字、正方形）的图案。本研究提出的新几何模式为未来的理论建模提供了新的经验约束，迫使模型必须考虑更复杂的皮层动力学或连接机制。
• 理论验证与拓展： 证实了简单视觉幻觉在不同病因（致幻剂、SLS、病理状态）下具有高度一致的几何特征，支持了早期视觉皮层架构在幻觉生成中的核心作用。
• 未来研究方向： 本研究为后续实验指明了方向，即需要探究特定的闪光参数（频率、亮度）如何具体影响这些新发现的几何模式（如十字形或同心正方形）的产生，从而建立刺激参数与神经动力学之间的更精细联系。
• 开放科学： 该研究依赖于公开数据集和开源代码，促进了意识科学领域的可重复性和协作研究。

总结： 该论文通过大规模数据驱动的方法，揭示了闪光诱导视觉幻觉中存在的丰富且系统的几何多样性，特别是发现了许多传统理论未涵盖的对称模式。这不仅验证了现有神经场模型的部分有效性，更重要的是指出了其局限性，为构建更完善的视觉幻觉生成机制理论奠定了坚实的实证基础。