Color perception: objects, constancy, and categories

一句话定位：这是一篇综述，作者主张颜色知觉的主要功能不是测定进入眼睛的光，而是帮助我们识别环境中的物体与材质、记住它们、并与人交流。文章把物体色、颜色恒常性和颜色类别三条研究线索放在同一功能视角下检视，指出三者共同表明颜色外观与物体识别紧密绑定，并呼吁把颜色当作"物体与材质的属性"而非"光的属性"来研究。

研究背景

人类色觉研究百年来成绩斐然：CIE 于 1931 年建立色度学（colorimetry），此后视锥细胞—视网膜节细胞两级加工已被精细刻画——光先被三类视锥吸收，再在节细胞层面比较三视锥活动形成锥拮抗通道（cone-opponent channels），更高层级机制组合这些信号决定颜色辨别与外观。在受控实验室条件下，CIECAM02、CIELAB 等颜色外观模型可以近似预测辨别与外观。但作者指出一个更根本的问题：这些测量单位是"静态的孤立光点"，而现实视知觉中的色信号随空间、时间、眼动采样而变，视网膜以下就存在跨空间整合；且不同个体视网膜的滤光特性、视锥敏感性差异极大，却几乎不预测颜色外观差异——外观是在更高层级被重新校准与归一化的（长期戴彩色滤镜、白内障手术后的适应都是证据）。因此，像不能靠单个像素解释空间视觉一样，也不能靠孤立色坐标解释色觉。

缺口在于：色度学方法对"物体的颜色"只有严苛假设下才适用（均匀光照下的平坦哑光表面），无法捕捉颜色作为物体特征的首要角色。日常经验中我们能跨光照区分生熟香蕉、用"黄/绿"告诉他人区别，这背后的计算却始终不清楚。作者提议转向功能的视角：三颜色视觉的三大功能是快速分离场景中的物体、记住物体与场景、与他人交流物体。

研究思路

文章的结构策略是"从三个领域路过，汇合于一个论点"。首先检视物体颜色（object colors）：自然物体不是单点颜色，而是一个多色分布，观察者须估计"代表性颜色"并把光照、阴影、污渍、非代表性部位（如香蕉柄）从物体本征色中剥离——对明度（lightness）而言观察者会注视物体最亮部位来估计，但天然刺激下的色调与饱和度估计几乎无人研究。其次检视颜色恒常性（color constancy）：定义是从 0（仅按视锥兴奋匹配）到 1（完全按同一表面反射率匹配）的连续量，作者用它来诊断"视觉系统如何在光谱混合中多于少"——即如何把反射率与光源分开。第三检视颜色类别（color categories）：语言标记如何把连续颜色空间切成小块，方向有两问——语言是否塑造知觉，以及类别是否源于知觉的预先结构化。三个领域的共同结论是：颜色外观既可塑又非任意，效应方向始终朝着"稳定物体识别、支持交流"，这正是功能视角的立论依据。

方法

本综述没有单一实验，其"方法"在于两件利器。一是改各领域经典指标进行横向比较：物体色用高光谱图像与 CIELAB 分布（图 1）；记忆色效应用无彩色调节法（achromatic adjustment——把物体调到主观上灰为止，记录补偿方向与幅度）、色相缩放与后效等手段交叉验证；恒常性则系统汇总 Foster 2011 表 1 数据及后续研究的三十年文献指数（图 3），并区分不对称匹配中"外观匹配"与"表面匹配"两种指令的差异。二是"交互效应"逻辑：与其争论类别效应是否存在，不如让它出现在该出现的条件、消失在该消失的条件——跨语言对照（俄语深蓝/浅蓝切分）、训练前后对照、言语干扰任务（verbal interference）、左右视野偏侧化等四类交互都被逐一检验，并把辨别阈限（对第 2 阶段锥拮抗机制的测量）当作"无类别效应的知觉参照"去约束更高级加工上的效应。文中未详述具体样本量与被试异同，属于综述层面的证据整合。

主要结果

1. 颜色显著帮助物体分离与识别。自然场景里色度对比与亮度对比统计独立、色度对比更"斑块化"且空间频率更低、物体边界伴随独立于明度的颜色变化；将相关句子改为：“与此一致，三色视觉者比双色视觉者更擅长识别水果（Bompas et al. 2013）；基于场景统计的研究提示，这种优势在较远观察距离下比在抓握距离下更强（Parraga et al. 2002）。”典型色（记忆色，memory color）对"色诊断性"物体（如黄色之于香蕉）加速识别并造成物体-Stroop 干扰，而中性色物体（如汽车）受益较小。

2. 记忆色效应是知觉层面的、自下而上无法解释的偏置：色度上纯灰的香蕉看起来微黄。fMRI 解码发现灰色或歧色诊断性物体诱发 V4 中对应典型色的特异性活动（Bannert & Bartels 2013 甚至在 V1 见到反馈传递的活动）；蓝—黄方向的记忆色效应最强，恰是日光轴方向，提示记忆色以先验形式压缩了日光引起的不确定性，可用贝叶斯模型描述。

3. 颜色恒常性测量的巨大离散性可被条件差异解释。三十年数据的恒常性指数随发表年份显著上升 [r(64) = 0.43, p < 0.001]（图 3）：采用全视野适应、自然场景、允许"推断性恒常"（inferential constancy，即借助参照色锚定的推理）的表面匹配指令，可达到 90% 以上，而外观匹配指令的指数偏低。"蓝偏置"（blue bias）进一步支持恒常性是对日光照明 adapted 的（图 3）。

4. 数裙子现象（#theDress）是推断性恒常失效的罕见样本：图像像素色沿日光轨迹分布，使"布料变了"与"光照变了"两种解释都成立；隐含阴影假定者看成白金、以为亮光者看成蓝黑；把像素色旋转偏离日光轴可大幅缩小个体差异。该知觉虽稳定但可被背景与启动操纵，说明外观背后是 unconscious inference。

5. 语言类别在高加工水平上调制颜色知觉，而非改变基本辨别力。辨别阈限（敏感性）在类别边界处并无低谷，与第 2 阶段锥拮抗机制反而相关；但速度化的超阈限辨别任务中出现"类别促进"（categorical facilitation）——跨类别色对（红/棕）反应时最快（图 5b）；该效应只见于反应慢的 naive 被试，训练后消失，贝叶斯框架可解释为训练提高感觉精度、削弱类别线索权重。类别原型在跨语言上稳定、婴儿已有类别反应，但"焦点色"的诸多证据被指出依赖 Munsell 芯片饱和度凸起的刺激集特性，知觉决定因素仍不明。

图注解读

图 1 · 物体的颜色是一个分布而非一个点

原文图注：Object colors. (a) Image of a banana based on a hyperspectral image taken from Ennis et al. (2018). (b) Chromatic distribution of the image in panel a. L∗ is lightness and C∗ is chroma in CIELAB color space; the variation of hue is not shown here. Although bananas are verbally described as uniformly yellow, the light reflected off the banana's surface corresponds to a complex color distribution rather than a single point in color space.

(a) 用高光谱图像重构的香蕉照片；(b) 是该图像像素在 CIELAB 空间的色度分布，横轴为彩度 C、纵轴为明度 L（色调变化未显示）。要点是分布范围相当宽：口头上一根"纯黄"的香蕉，其反射光覆盖一大片颜色空间。该图立起文章第一块基石——"物体颜色"需要估计代表性颜色而非逐点读出，支撑本文的功能视角动机。

图 2 · 颜色恒常及其残余干扰

原文图注：Color constancy. Two photographs of a scene taken under a (a) reddish and (b) greenish illumination with white balance fixed at standard illuminant D65. The bar illustrates that the colorimetric color of the grape in the left photograph under red illumination is the same as the colorimetric color of the orange in the right photograph under green illumination. Because of color constancy, we identify the surface color of the grapes in the left photograph with the surface color of the grapes in the right photograph, not with the color of the orange in the right photograph. Nevertheless, the color of the grapes does not look the same in both photographs, implying that some level of interference is involved in identifying the colors across the two photographs.

两幅照片分别用红光与绿光拍摄、白平衡都锁定在 D65，条形示意：左图葡萄的色度学坐标与右图橙子的色度学坐标相同。尽管如此我们仍把两图中的葡萄识别为同一表面色（恒常），而不是推给光照；但两图中的葡萄看起来确实不完全一样——作者用这张图同时演示"恒常的不完全性"与"推断性恒常"（我们建立的其实是跨光照对应的表面色身份，而非外观等同）。它为后文区分 appearance match 与 surface match 指令的讨论做铺垫。

图 3 · 三十年恒常性测量与"方法在进步"的趋势

原文图注：Variation of color constancy performance. The graphic illustrates the magnitude of color constancy indices (along the y-axis) measured by various methods over the last 30 years (time in years along the x-axis). Diamonds indicate results from asymmetric matching. Green diamonds correspond to paper-match instructions, red diamonds to appearance-match instructions, and black diamonds to tasks with unspecified instructions. Black circles correspond to other methods. The correlation between all measures and the year of publication is reported in the upper-left corner, reflecting a general tendency of color constancy indices to increase with more sophisticated methods, including full-field adaptation and naturalistic conditions. Asymmetric matches with appearance-match instructions (red diamonds) tend to yield particularly low color constancy indices.

横轴是发表年份（1985–2017），纵轴是恒常性指数（0–1）：0 等于完全按视锥兴奋匹配、1 等于完全按表面反射率匹配。空心/实心符号区分方法：菱形=不对称匹配（绿=纸匹配指令，红=外观匹配指令，黑=未指明），圆=其余方法。左上角给出全体点与年份的相关 r(64)=0.43，p<0.001：指数随年代上升，归因于全视野适应与自然条件设计的推广；红色菱形（外观匹配）集中在低区，直观呈现"指令决定指数"这一问题。该图是对"恒常性测量为何如此多变"这一争议的系统回答。

图 4 · 基本色类别空间分布与原型

原文图注：Color categorization. The upper eight rows illustrate the distribution of (German) color categories across hue (x-axis: R, red; YR, yellow-red; Y, yellow; GY, green-yellow; G, green; BG, blue-green; B, blue; PB, purple-blue; P, purple; RP, red-purple) and lightness (y-axis: V2–V9, value 2–9) of Munsell color chips. The lowest three rows show the distribution of categories across three comparatively low levels of chroma (y-axis: C2–C6, chroma 2–6) at medium lightness (V5). Saturated colors indicate over-90% consistency; pale colors, mainly at boundaries, indicate below-90% consistency. Circles indicate prototype choices; size represents frequency.

以 Munsell 色卡为网格，横轴是色调、上半部纵轴是明度（V2–V9），下部三行是中等明度下低彩度区（C2–C6），右侧条是十个明度水平的无彩色类别。饱和色块=跨被试与跨光照重复命名一致率超过 90%，淡色块（主要在类别交界）=低于 90%；圆圈=被原型选择的色卡，圆越大被选频率越高。读图要点：各类别"大小"极不均匀（红黄窄、绿宽），类别中心命名极稳定而边界波动，说明颜色词对某些颜色信息量大、对另一些信息量小。该图支撑"类别并非均等信息"的论点，也是"类别从何而来"之争的实证底图。

图 5 · 类别敏感性(阈值)与类别促进(反应时)的分离

原文图注：Category effects on color perception. (a) Categorical sensitivity. The diagram shows how the sensitivity to color differences changes across hue. The x-axis corresponds to hue in DKL color space, and the y-axis to discrimination thresholds. Adapted from Witzel & Gegenfurtner (2013). Note that the green-blue boundary is unlike the others in that it coincides with a local minimum of discrimination thresholds. (b) Categorical facilitation. The bars along the x-axis of the main graphic correspond to color pairs that are composed of the colors illustrated by the inset. The y-axis of the main graphic represents response times in speeded discrimination. Note that discriminating the color pair BC, in which B and C belong to different categories (i.e., red and brown), is fastest even though the distances between colors control for sensitivity to color differences.

(a) 在 DKL 色空间的色调轴上画辨别阈限：若类别塑造基本敏感性，阈值应在类别边界（如绿蓝边界）下陷——实际上只有绿蓝边界恰逢局部低谷，其余边界并不对应任何敏感性谷，说明阈值由第 2 阶段锥拮抗机制而非类别决定。(b) 用由三色（红、棕及其间色）组成的相邻对 AB、BC、CD 做速度辨别，纵轴为反应时：虽然三对的颜色距离已按(a)的敏感性校准为等距，跨类别的 BC 反应时仍显著最快（p<0.01、*p<0.001）。两图合读正是全文关键论证：类别效应与基本辨别力可分离，效应只出现在依赖注意与语言的较高加工水平。

讨论

结论部分作者把三线证据拧成一股：记忆色效应稳定"主观色感与诊断性物体"的绑定；恒常性机制阵容（适应、局部对比、参照锚定、场景解释）在自然条件下足以跨照明确认物体与材质；类别效应强化类别边界处的知觉差异以利于交流。三种效应方向一致，都在把颜色外观"锚定"回世界中的物体。作者承认多个未解：物体代表性颜色如何从多色分布中被抽取尚无实验方案；恒常性对光谱环境的适应究竟来自演化的硬连线还是习得悬而未决；类别为何对不同颜色的信息量不均也没有答案；横向类别效应证据症结在可重复性。与 Kanwisher、Kriegeskorte 等所在的高阶视觉文献相比，本文在与 Gibson et al. 2017（跨语言颜色命名反映颜色使用）的对话中最直接——两者共同指向"颜色类别的生态学起源"。

一句话总结

这篇综述的价值在于把"颜色测量学的成功"与"颜色功能的落后"摊到同一张桌上：灰色香蕉看起来微黄，这类效应提醒我们色度学坐标只是起点而非终点。就我自己的理解，它的框架最大的启发是把记忆色、恒常性、类别三者统一看成同一个贝叶斯推断过程在不同问题上的投影——虽然作者也承认这一框架尚未统一，#theDress 提醒我们对推断机制的了解仍不足以预测单个观者会看到什么。