Stereoscopic vision: solving the correspondence problem

一句话定位：这是一篇 Current Biology 的 Dispatch 短评（解读性文章，本身不含实验），点评的对象是 Janssen 等人 2003 年发表于 Neuron 的研究——首次在猴下颞叶皮层（inferior temporal cortex, IT）找到了"已经解决双眼对应问题"的神经元。文章把立体视觉的核心难题、早期视觉区只当"局部滤波器"的证据、以及高层如何丢弃错误匹配这几条线索非常清晰地串在一起，是理解视差加工层级结构的极佳入门材料。

研究背景

双眼动物的两只眼睛因横向间距不同，会看到彼此略有错位的像，这种位置差就是水平视差（horizontal disparity）——它是立体知觉的主要来源，即使单眼图像只是无结构的噪声（如随机点立体图 random-dot stereogram, RDS，Julesz 1971）也能引发鲜明的深度感。但这里藏着一个核心难题：左眼图里的某个点，凭什么知道该与右眼图里的哪个点配对？这就是双眼对应问题（correspondence problem）。若按几何关系机械地搜索，左眼中点 N 的像完全可以与右眼中点 F 的像"错误匹配"，但知觉系统确实丢弃了这类虚假匹配——在该深度上什么也没有被知觉到（图 1A）。

文章真正要评论的问题出在实验证据的裂缝上。早期加工阶段——猴的 V1（Cumming & Parker 1997）、MT（Krug 等 1999）、MST（Takemura 等 2001）以及猫头鹰的前脑视觉区 visual Wulst（Nieder & Wagner 2001）——的多数视差敏感神经元，会对"反相关随机点立体图"（anti-correlated RDS，即左眼看到白点处右眼看到黑点，反之亦然；这种刺激不能融像、不产生立体知觉）产生显著响应。这类响应行为与把它们当作"局部受限滤波器"的视差能量模型（disparity energy model；Ohzawa 等 1990、Ohzawa 1998）完全一致，因此这些神经元不可能是深度知觉的直接相关物。可是电刺激实验又表明，微刺激 MT 中具有特定最优视差的神经元簇能可预测地改变猴的深度知觉（DeAngelis 等 1998）。于是问题的形状变成：脑内某处一定存在只响应"真正能产生立体知觉的刺激"的神经元，它们在哪里、如何从局部滤波器演化而来？

研究思路

本文的逻辑架构成两步。第一步是给出判别标准：用一个对照性刺激（反相关 RDS）把"局部视差检测器"和"全局视差检测器（global disparity detector）"分开——前者的调谐曲线在反相关条件下整体翻转（图 1D），后者对反相关刺激只给出基线放电（图 1E）。第二步是逐级检视已有证据的空间分布：V1、MT、MST 和猫头鹰 Wulst 里翻转响应占主流，而 Janssen 等人新报告的 TE 神经元恰好落在"已解决"一端；再结合猫头鹰中"长潜伏期细胞抵抗虚假匹配"的现象，作者提出对应问题不是在某个单一脑区被一次性解决的，而是沿视觉层级逐级、渐近地消除虚假匹配。最后作者从机制层面（阈值、抑制）和模型层面（能量模型的修正需求）指出下一步该往哪里走。

方法

作为 Dispatch，本文自身没有实验方法；其结论所依据的关键研究是 Janssen、Vogels、Liu 与 Orban（Neuron 37, 693–701, 2003）在清醒行为猴上做的单细胞记录：记录部位在下颞叶皮层前部 TE 区（TEO 与 TE 的层级划分见图 2 的腹侧通路），刺激是用视差线索定义的三维形状——在随机点立体图中加入平滑视差梯度，生成朝向观察者弯曲（凸）或远离弯曲（凹）的双曲率三维表面。测试条件包括相关立体图（correlated RDS，可产生深度知觉）、反相关立体图与不相关立体图（uncorrelated，同样不支持立体知觉）三类，并专门控制了注意状态与注视眼动的差异以排除混淆。早期视觉区的对照证据（V1、MT、MST 单细胞记录与电刺激，猫头鹰 Wulst 行为中的单细胞记录）来自文中引用的一批研究（如 Cumming & Parker 1997、DeAngelis 等 1998、Nieder & Wagner 2001）；具体的动物数、任务参数等细节文中未详述。

主要结果

1. TE 神经元对视差定义的三维形状有选择性：许多 TE 神经元专对凸面或凹面编码，即表征三维表面的深度排序——这建立在 Janssen 等人 1999 年首次发现 IT 神经元对视差定义的三维形状有选择性的基础上。
2. TE 神经元丢弃虚假匹配：与早期视觉区的细胞不同，无论刺激是反相关还是不相关立体图——两者都不能引发深度知觉——这些神经元都只有同样低的放电率，而对相关立体图始终强烈放电。而且不仅是"三维形状"调谐的细胞，连那些只对无形随机点立体图的纯深度位置敏感、"类初级"（primary-like）的细胞也对反相关刺激不响应；注意力与眼动差异都被排除为解释。
3. 解决是分层的、渐近的：早期前脑视觉区已有部分视差敏感神经元能部分丢弃虚假匹配，其平均虚假匹配活动大约只有纯局部滤波模型预测值的一半；猫头鹰 Wulst 中响应潜伏期更长的细胞对反相关立体图更不敏感，提示存在一条从空间滤波器到全局视差检测器的功能层级。
4. 机制线索：单纯跨通道整合不足以产生全局检测器（无法解释对反相关刺激的抑制）；更高阶神经元设置更高放电阈值的简单机制可以"剪掉"调谐曲线中反相关条件下的响应凹谷、防止翻转，猫头鹰实验和神经网络模型（Lippert & Wagner 2001）都支持它，但仅有阈值还不够，抑制性影响也参与其中（对反相关立体图表现出受抑制响应的猫头鹰细胞，其抑制成分显著更强）。

图注解读

图 1 · 双眼几何、两类立体图与两种视差检测器

原文图注：Figure 1. Geometric relationships in binocular vision and disparity detectors. (A) An observer fixates point P, the images of which (P′) are projected onto corresponding retinal locations (the fovea). Because of the lateral displacement of the eyes, points beyond the fixation point are projected on disparate retinal locations. For example, the angular differences between the images of point F (F′) relative to corresponding retinal locations in the right and left eye defines this point's horizontal disparity. Negative and positive disparities occur for objects nearer or farther away than the fixation plane, respectively. The correspondence problem is indicated by the arrow: in principal, the image of N in the left eye could be matched falsely with the image of F in the right eye. But the visual system discards such false matches, and no object is perceived at that depth. (B) In correlated random-dot stereograms, black and white dots appear at identical locations of the image shown to the left and right eye. Presented with horizontal disparity, such random-dot stereograms allow depth perception. (C) In anti-correlated random-dot stereograms, the left eye sees a white dot at the same location where the right eye sees a black dot, and vice versa. Anti-correlated random-dot stereograms cannot be fused and do not support stereopsis. (D) Schematic disparity response profile of a disparity-sensitive neuron in early visual cortex. The neural activity as a function of disparity in correlated random-dot stereograms (red) is completely inverted during stimulation with anti-correlated random-dot stereograms ( blue). ……

这张图是全文论证的核心示意图，分五小节：(A) 用注视点 P 与深度不同的点 F、N 讲清视差的几何定义（固视平面之外更近/更远的物体分别对应负/正视差），并用箭头标出虚假匹配的来源；(B)(C) 对照相关与反相关 RDS 的构造差异——前者左右眼同位点黑白一致、能产生深度，后者黑白相反、不能融像；(D)(E) 画出两类神经元的示意调谐曲线（横轴为 -1.0 到 1.0 度的水平视差，纵轴为归一化的神经活动）：早期视觉皮层神经元在反相关条件下（蓝）的响应，等于把其相关条件（红）下的调谐曲线完全翻转，错标出来；真正解决对应问题的神经元（Janssen 等报告的 TE 神经元属于这一类）对所有视差的反相关刺激只给出基线活动。读这张图时把 (B)(C) 当"刺激定义"、(D)(E) 当"判别标准"即可——后文所有实验证据的读法都是看响应属于哪一类曲线。

图 2 · 猴脑腹侧与背侧视觉通路简图

原文图注：Figure 2. Simplified scheme of the ventral (red) and dorsal (blue) visual pathways in the monkey brain. IPS, intra-parietal sulcus; ITC, inferior temporal cortex; MT, middle temporal area; MST, medial superior temporal area; PPC, posterior parietal cortex.

一张定位图：红色标注的腹侧通路沿 V1—V2—V4—TEO—TE 逐级上行，负责"物体是什么"；蓝色标注的背侧通路经 MT、MST 走向顶内沟（IPS）与后顶叶皮层（PPC），负责"物体在哪里/如何作用于它"。读懂它就能明白正文的两个空间论断：TE 是腹侧通路的顶点，因而在 TE 的层级位置上出现"全局视差检测器"具有重要含义；而背侧通路末端的 IPS 尾段是检验背侧是否也解决对应问题的理想候选——那里的神经元已对视差定义的三维表面朝向敏感。

讨论

作者从三处收束论证。第一，TE 神经元的响应与猴的三维形状知觉直接相关，是迄今最高层级上"对应问题已解决"的证据；但 TE 作为腹侧通路的顶点，也带来一个未决问题：TE 神经元可能只是如实反映了上游高度加工后的输入——去歧义究竟发生在层级的哪一级，尚不能定位。第二，纵向来看，从 V1 的绝对视差，到 V2 的相对视差（Thomas 等 2002）与立体边缘表征（von der Heydt 等 2000），再到 V4 对视差定义的棒状物三维朝向的信号（Hinkle & Connor 2002），视差神经元的复杂性逐级上升，与猫头鹰上的"滤波器→全局检测器"渐变证据一致，作者据此主张对应问题是逐级而非单点解决的。第三，机制上，在感官系统普遍存在的编码歧义通常由外周神经元狭窄的滤波特性造成，空间听觉与电觉系统中靠多流整合在高层消除歧义，但该策略在此不足以解释对反相关刺激响应的消失，阈值加抑制的组合才是更完整的候选。作者还指出，过去十年硕果累累的双眼视差能量模型明确预测了局部滤波器行为，而 Janssen 等的神经元是对该模型的清晰偏离，未来的生理与计算工作必须修订它；背侧通路的 IPS 尾段、以及能量模型的修正，是作者点名的两个下一步。

一句话总结

我读下来的体会是：这篇短评最有价值的不是宣布"对应问题在 TE 被解决了"，而是提供了一个干净的两分法——把对反相关立体图翻转响应的"类滤波器"神经元和只对可融像刺激响应的"全局检测器"分开，从而让"意识层面的深度知觉始于哪一级"变成可以被逐级测量的问题。阈值加抑制的机制猜想简单得近乎便宜，但它能在猫头鹰与猴、早期与晚期证据之间搭桥，这种跨物种缝合的功夫很值得学。