Contour, color and shape analysis beyond the striate cortex

这篇综述把"物体识别皮层系统"的解剖结构（V1→V2/V3→V4→IT 的串行层级）与作者自己新做的 V4、IT 单细胞电生理结果缝合起来，提出两条关键主张：腹侧通路各站并行处理空间与光谱两类信息，并非一个区管一种属性；而加工方式沿层级越来越"全局化"——V4 的小感受野外有巨大的沉默抑制性 surround，IT 则直接编码与位置、大小无关的整体形状。它同时也是对 Zeki"V4 是颜色专属区"这一流行观点的正面回应，是腹流"逐级全球化"加工观最早的系统陈述之一。

研究背景

背景是 Ungerleider 与 Mishkin (1982) 刚立起的"双通路"框架：纹状皮层（striate cortex，即 V1）发出两条皮层-皮层通路，腹侧进入颞叶、对物体识别至关重要，背侧进入顶叶、对空间知觉与视觉运动行为至关重要。行为证据是颞下皮层（inferior temporal cortex, IT）损伤严重损害各种图形与客体辨别而不影响视觉-空间任务，顶叶后部损伤则相反；生理证据是 IT 神经元对形状与颜色高度敏感，顶叶神经元更关心运动方向与追踪眼动。当时的解剖学已经描绘出十几块纹状体外视觉区（V2、V3、VP、V3A、V4、MT、MST、STP 等），一个流行的看法是 V1 把信息直送或转送多个视觉区、各区彼此并行地加工不同属性。另一个具体争论点是 V4：Zeki 曾主张它几乎专门分析颜色，但随后多个实验室发现多数 V4 细胞并非高度颜色选择性，V4 的功能地位悬而未决。

缺口因此有两层：其一，从 V1 到 IT 这条解剖上近乎串行的路线中，中间站（尤其 V4）到底加工什么、有没有超出 V1 的独特贡献；其二，"并行多区各管一摊"与"串行层级逐级整合"两种图景哪个更符合证据。本文要回答的就是：物体识别系统内的各站是按属性分工，还是在每站内并行处理多种属性、再逐级走向全局分析。

研究思路

作者总体策略是"解剖定方向、生理定内容"。先靠层板连接模式（laminar patterns：前向投射从上层细胞终止于靶区第 4 层，反向投射则相反）确立 occipito-temporal 通路的层级次序，把 MT、V3A、STP 等区排除出物体识别系统的主干；然后检验一个可被数据反驳的命题——如果 V4 只是 V1 与 IT 之间的"颜色接力站"，它的细胞应狭窄调谐于颜色、缺乏空间选择性；如果 V4 像假设的那样在站内并行处理多种属性，就应当能测出与 V1 相当的长度、宽度、朝向、运动方向、空间频率选择性和波长调谐。再往下，要找 V4 "超出 V1"的贡献，作者把注意力放在感受野外围：既然 V4 感受野大了几倍而空间选择性没有下降，那么其贡献可能藏在兴奋性感受野（excitatory receptive field）之外那些"本身不引起反应却能压制反应"的沉默抑制区里。对 IT，逻辑同理推进一层：IT 感受野巨大、无视网膜定位组织，理应做全局分析——作者借用 Fourier 描述子（Fourier descriptor, FD）边界形状分析方法造刺激，像用正弦光栅探测空间频率选择性那样去探测 IT 的整体形状选择性，并考察这种选择是否依赖刺激的大小与位置。

方法

本文是综述兼实验报告，核心实验有两块。第一块是 V4：在麻醉（笑气）、肌肉麻痹的猕猴中央 5 度视野代表区内记录了 200 多个单细胞。由于 V4 细胞反应多变，所有刺激以随机顺序呈现、由计算机平均。用窄的明、暗条形光在多个位置闪烁定量测绘感受野；用漂移正弦光栅测空间频率与相位敏感性；光谱方面用 10 nm 半幅宽的窄带干涉滤光片产生 460–660 nm 的光谱刺激，所有刺激在 CIE 明视觉亮度上配平（1.5 ft-L，背景 0.5 ft-L），每刺激呈现 5 次、每次 1.28 秒，"On"反应取呈现期平均放电率减基线，"Off"反应取刺激后 0.64 秒减基线。第二块是 IT 的形状实验：按 Zahn 与 Roskies 的 Fourier 描述子方法，把边界曲率函数展开成 Fourier 级数，每个频率成分（FD）对应一种边界起伏，据此生成 2–64 周期/周长（cycles per perimeter）的系列形状（白色图案、中性背景），刺激限于感受野内并中心对准中央凹，测细胞对各 FD 频率的调谐，再改变刺激大小与位置检验调谐是否保持。行为证据部分引用的是颞叶/顶叶损伤与识别/空间任务的经典分离结果，文中未详述具体实验操作。

主要结果

1. 解剖上 occipito-temporal 通路主要是串行层级：V1 最大输出到 V2（较弱的一路到 V3 背侧），V2 与 V3 前向投射到 V4，V4 主要输出到 IT；层板连接模式确立了方向性。IT 是该系统"最后一个"皮层视觉区，无可辨认的视网膜定位组织，感受野几乎总包含注视中心、常越过垂直中线进入同侧视野。
2. V4 感受野大而选择性不减：1 度偏心处 V4 感受野线性尺寸约为 V1 的 4 倍（面积 16 倍），3 度处约 6 倍（面积 36 倍）；但对长度、宽度、运动方向敏感的细胞比例与 V1 相当，朝向调谐带宽可窄至半峰宽 25 度，峰值空间频率分布 0.12–8 c/deg 与 V1 几乎完全重叠（更多低频偏好细胞）。明暗兴奋区几乎总是重叠（类似 V1 复杂细胞，图 2），但求和、调制、相位敏感性在 V4 内构成从"简单样"到"复杂样"的连续谱（图 3）。
3. V4 并行处理空间与光谱信息，不是颜色专属区：多数细胞对所有测试颜色都有反应（最不有效颜色平均仍有最佳颜色反应的 20%），对白光反应约为最佳颜色反应的 60%；绝大多数细胞呈波长调谐，带宽比视锥更窄、与视网膜及外侧膝状体颜色对抗细胞相当，但很少出现明确的颜色对抗反应（图 4）。
4. V4 的独特之处在巨大的沉默抑制性 surround：直径可达 30 度以上、可越过垂直中线伸入同侧视野 16 度以上；surround 刺激本身不引起反应，却在与感受野内刺激波长相同或光栅频率相同时造成最强压制（图 5），远离时压制渐减甚至变为轻度增强。作者视之为颜色恒常性（color constancy）与图形-背景分离（figure/ground separation）的候选机制。
5. IT 做与位置、大小无关的全局形状分析：IT 兴奋性感受野几乎全部包含注视中心、平均超过 625 平方度（对比 V4 中央凹感受野常小于 1 平方度）；约半数 IT 视觉细胞对 FD 频率调谐，且对形状选择性的 IT 细胞中超过一半，其偏好 FD 频率不随刺激大小或位置改变——如图 7 所示，绝对反应随大小变化，但偏好频率始终是 4 周期/周长。纹理与颜色选择性同样在整个大感受野内维持，支持 IT 参与大小/位置变化下的知觉恒常性。

图注解读

图 2 · 三个 V4 神经元的明暗兴奋区几乎重叠

原文图注：Fig. 2. Receptive fields of three representative V4 neurons. At the top are diagrams of the light and dark excitatory zones. At the bottom are the response curves. Stimuli were narrow light and dark bars. flashed at multiple positions, with separations indicated by the scale bars below each diagram. Responses were calculated from the average firing rate for five stimulus presentations. less the average spontaneous firing rate. For all three cells the dark and light excitatory zones were overlapping, and in this respect they resemble complex cells in striate cortex. For some cells in V4, the peaks of the dark and light zones were spatially offset (cell I). but for most cells the zones were coextensive (cells Z and 3). Some cells had a preference for either light or dark (cell 2). but for other cells the responses were nearly equivalent (cell 3).

上半是感受野示意图（亮兴奋区与暗兴奋区），下半是对在多位置闪烁的窄条的反应曲线，横轴为位置（标尺在各图下方），纵轴为减去自发放电后的平均放电率。读图要点是三个细胞亮区与暗区都重叠——与 V1 复杂细胞相似；细胞 1 的亮暗峰有空间错位、细胞 2 与 3 基本重合，细胞 2 偏好明或暗、细胞 3 两者相当。这支撑结果 2 中"V4 感受野结构复杂细胞样"的结论。

图 3 · 两个 V4 神经元的光栅调谐：低频求和与高频拮抗

原文图注：Fig. 3. Responses of two V4 neurons to drifting gratings. At the top are diagrams of the receptive fields and the optimal sine-wave gratings. At the bottom are the response curves. Responses calculated as in Fig. 2. The cell on the left responded best to a grating with a half-cycle that was the width of the receptive field. while the cell on the right responded best to a grating with many cycles within the receptive liefd.

上排画感受野与各自的最佳正弦光栅，下排是随空间频率变化的反应曲线。左边的细胞对"半周期恰好等于感受野宽度"的低频光栅反应最好（场内求和，简单细胞样），右边的细胞偏好在感受野内容纳许多周期的高频光栅（场内拮抗，复杂细胞样）。它支撑结果 2 的后半句：V4 并非整齐划一，而是在简单样-复杂样维度上铺开一条连续谱。

图 4 · V4 神经元的波长调谐曲线：峰值 500 nm、白光仍有好反应

原文图注：Fig. 4. Responses of a representative V4 neuron to a white stimulus (W) and to narrow-band spectral stimuli. All stimuli were 0.75' x 0.75'. flashed within a 1' x 1" excitatory receptive field. Spectral stimuli were produced by narrow-band interference filters (IO nm full-width at half-amplitude). All stimuli were equated for photopic luminosity (CIE) and had a luminance of I.5 ft-L on a neutral background of 0.5 ft-L. Stimuli were randomly interleaved by computer and were presented for five trials each, with a 1.28 set presentation each trial. "On" responses were calculated from the average firing rate during the stimulus presentation less the baseline firing rate. "Off" responses were calculated from the average firing rate during a 0.64 set period following the stimulus presentat……

横轴为波长（460–660 nm，最右是白光 W），纵轴为相对反应（以 500 nm 处的峰值反应为 100%），分"On"与"Off"两组。这条代表性曲线在蓝绿区（500 nm）达峰，在 580–660 nm 的黄红区几乎无反应，但对白光仍有良好反应，且没有针对红端的抑制性"Off"反应——不是严格的颜色对抗。它支撑结果 3：V4 细胞是波长调谐的，却不是狭窄的"颜色检测器"，更像 Land 理论预言的宽带"颜色滤片"。

图 5 · V4 感受野-周边的频率特异性压制

原文图注：Fig. 5. Example of spatial frequency specific interaction between the excitatory receptive field and surround of a V4 neuron. At the top are diagrams of the receptive field and effective excitatory stimuli. The excitatory receptive field was 1" x 2'. and the sine-wave gratings were drifted across the receptive field al 1 c/set. Gratings were generated by a high-speed graphics system that could drift one or more gratings within windows while keeping the rest of the screen at mean luminance. (A) Responses lo gratings restricted lo the receptive field compared with responses to gratings that covered both the excitatory receptive field and a lo" surround. The best response was to a 0.25c/deg grating that was restricted to the receptive field. (B) Responses to an optimal grating (0.25 c/deg) wi……

(A) 比较光栅只盖感受野与同时盖住感受野加 10 度周边的反应：只盖感受野时，0.25 c/deg 的最佳光栅反应最强；光栅扩到周边则反应被压低。(B) 固定感受野内为最佳 0.25 c/deg 光栅，改变周边光栅频率（0.12–8 c/deg）：当周边与中心频率一致时压制最大，频率偏离越远压制越小。左上角的点给出"只盖感受野"的对照水平。这张图是结果 4 的直接证据——V4 的 surround 是沉默的、但按频率匹配规则行使压制，提示其对整体格局（图形/背景、颜色恒常）的计算角色。

图 6 · Fourier 描述子形状刺激系列

原文图注：Fig. 6. Examples of FD stimuli, which vary in frequency from 2 to 64 cycles per perimeter. Although stimuli are shown in black, the stimuli used in the experiment were normally white on a neutral background.

一排边界起伏逐渐加密的闭合形状，FD 频率从每周长 2 周期到 64 周期；实验中实际使用白色图案、置于中性背景上。这张图帮助读者理解 IT 实验的自变量：与光栅之于空间频率一样，FD 频率把"边界形状"参数化成单调维，从而可以像测调谐曲线那样测 IT 细胞对整体形状的偏好。

图 7 · IT 神经元形状偏好的大小不变性

原文图注：Fig. 7. Responses of an IT neuron to FD stimuli of different sizes. All stimuli were confined to the receptive field and were centered on the fovea. Responses calculated as in Fig. 4. Although the absolute response of the neuron varied with stimulus size, the preferred frequency remained 4 cycles per perimeter.

一组同形状不同大小的 FD 刺激（图上标有 13、28、50 平方度等视角值）下的反应-频率曲线。三个要点：刺激都限于感受野内、中心对准中央凹；绝对放电量随刺激大小变化（所以并非严格的大小恒常）；但调谐曲线的峰始终钉在每周长 4 周期。也就是说，这个细胞"认"的是边界起伏的相对频率（一种形状属性），不是视野里条纹的绝对密度。这支撑结果 5：IT 的形状选择性建立在形状的全局属性上，与刺激大小、位置无关，是知觉恒常性的候选基质。

讨论

作者的解释集中在两点。第一，"每站内并行处理多种属性"：V1、V2、V3、V4、IT 各站都对长度、宽度、朝向、运动、空间频率乃至颜色敏感，即使存在颜色或朝向的柱状分隔，分隔也发生在区内部而非区与区之间；V4 与 MT 这两个表面上的"例外"并不成立——MT 属于背侧系统，且其细胞对速度、视差、朝向也有敏感性，V4 则被本文证明空间与光谱并行。第二，"逐级全球化"：V4 的贡献不在其小感受野内的局部特征分析，而在感受野外围大范围的空间与光谱交互——光谱交互可能服务于颜色恒常性（V4 细胞响应白光、surround 沉默且巨大，与纹状皮层双重颜色对抗 DCO 细胞形成三点对比；Zeki 近期也提出 V4 而非 V1 具备颜色恒常），频率匹配的压制则可能参与图形-背景分离，与 MT/V2 的运动方向性 surround 压制、猫外侧上雪氏区的同类现象、以及 V2 对错觉轮廓的响应构成一个统一趋势：从纹状皮层到前纹状体再到 IT，单个神经元受越来越宽的视野影响。IT 一侧，作者认为它合成 V4 传来的局部滤波表征、给出表面的全局轮廓或形状表征，并引用 Schwartz 等的 FD 结果支撑。局限方面作者相当坦率：V4 的视网膜定位细节复杂、是否为单一区域"在了解更多之前先当作一个组织复杂的单一区"；V4 细胞无法被干净地归为简单或复杂；颜色恒常与图形/背景的功能归因明确标注为推测。文中的争论对象主要是 Zeki 的颜色模块主张，并援引多个实验室的阴性结果。

一句话总结

读这篇综述最值得带走的是那个双层主张：腹流不是"一个区一种属性"的平行分拣机，而是一条每站并行处理多维信息、加工范围却逐级放大的串行管道——V4 用小感受野加巨大沉默 surround 做"视野级"的比较，IT 用巨型感受野直接编码与大小位置无关的整体形状。以我的理解，文中把抑制性 surround 与颜色恒常、图形/背景挂钩虽有猜测成分，但"局部编码、全局比较、逐级整合"这条逻辑线，几乎就是后来层级化腹流模型与不变性表征研究的模板。