Reconnaissance visuelle : Etude de l'influence de la vision périphérique dans le cadre d'un modèle fréquentiel prédictif

Visual recognition : Study of the influence of peripheral vision in a predictive spatial frequency based model

• Auteur / Autrice : Alexia Roux-Sibilon
• Direction : Carole Peyrin
• Type : Thèse de doctorat
• Discipline(s) : Sciences cognitives, psychologie et neurocognition
• Date : Soutenance le 10/07/2020
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale ingénierie pour la santé, la cognition, l'environnement (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de psychologie et neurocognition (Grenoble ; Chambery ; 1996?-....)
• Jury : Président / Présidente : Martial Mermillod
• Jury : Examinateurs / Examinatrices : Carole Peyrin, Valérie Goffaux
• Jury : Rapporteurs / Rapporteuses : Nicolas Poirel, Quentin Lenoble

Mots clés

Mots clés contrôlés

Vision périphérique

Perception visuelle

Mots clés libres

Glaucome

Perception de scènes

Codage prédictif

Vision périphérique

Predictive coding

Glaucoma

Peripheral vision

Scene perception

Résumé

Nous saisissons l’essentiel de notre environnement visuel en un seul coup d’œil, et ce indépendamment de sa complexité. Différentes propositions théoriques dans le domaine de la reconnaissance visuelle ont proposé que cette capacité reposerait sur l’extraction du 'gist' de la scène visuelle, une première représentation visuelle globale et rudimentaire. L’extraction du gist reposerait notamment sur l’analyse rapide des basses fréquences spatiales du signal visuel, qui permettrait une catégorisation assez grossière de la scène et des objets qui la composent. Cette première représentation de la scène permettrait par ailleurs de déclencher des mécanismes prédictifs qui guideraient dans un second temps une analyse visuelle plus minutieuse et détaillée. Ce cadre théorique, que nous avons formalisé dans cette thèse sous le nom de modèle fréquentiel prédictif, rend compte d’un grand nombre de résultats empiriques. Dans l’ensemble, les travaux à l’appui de ce modèle se sont concentrés sur la reconnaissance visuelle de petits stimuli présentés en vision centrale. Or, l’acuité visuelle diminue drastiquement avec l’excentricité rétinienne si bien qu’une grosse part du signal en basses fréquences spatiales provient de la vision périphérique. Dans ce travail de thèse, nous avons testé l’hypothèse selon laquelle l’information de basse résolution spatiale extraite en vision périphérique influence les traitements réalisés en vision centrale. Dans une première série d’expériences, nous avons observé que la catégorisation de stimuli visuels complexes (de type objets ou scènes) présentés en vision centrale peut être améliorée et/ou accélérée lorsque l’information visuelle périphérique est sémantiquement congruente par rapport à lorsqu’elle est incongruente. Dans une seconde série d’expériences, nous avons étudié les conséquences d’une perte de vision périphérique sur les traitements réalisés en vision centrale. Nous avons pour cela testé des patients atteints d'un glaucome. Cette pathologie ophtalmique affecte en particulier la rétine périphérique et représente ainsi un bon modèle pathologique d'un système dans lequel la vision périphérique a moins d'importance. Nous avons observé que ces patients présentaient un déficit pour catégoriser des petites scènes présentées en vision centrale, alors même que leur sensibilité rétinienne était préservée pour cette région du champ visuel. Ce dernier résultat suggère que la perte de vision périphérique causée par le glaucome désorganise les mécanismes prédictifs et perturberait ainsi la reconnaissance visuelle de manière globale, même en vision centrale. L’ensemble de ces travaux de thèse nous permettent de conforter et préciser le modèle fréquentiel prédictif tout en soulignant l’importance de considérer la vision périphérique dans les modèles de reconnaissance visuelle.

We understand most of our visual environment at a glance, regardless of its complexity. Theories of visual recognition postulate that this ability is based on the extraction of the gist of the visual scene, a first global and coarse visual representation. Gist perception would be based on the rapid analysis of low spatial frequencies in the visual signal, and would allow a coarse categorization of the scene and the objects that compose it. This first representation of the scene would also trigger predictive mechanisms that guide a more detailed visual analysis. This theoretical framework, which we formalized in this thesis under the name of predictive frequency model, accounts for a large number of empirical results. Overall, work in support of this model has focused on the visual recognition of small stimuli presented in central vision. However, visual acuity decreases drastically with retinal eccentricity so that a large part of the signal at low spatial frequencies comes from peripheral vision. In this doctoral thesis, we tested the hypothesis that the low spatial resolution information extracted in peripheral vision would influence the processing of detailed information in central vision. In a first series of experiments, we observed that the categorization of complex visual stimuli (objects or scenes) presented in central vision can be improved and / or accelerated when information in peripheral vision is semantically congruent compared to when it is inconguent. In a second series of experiments, we studied the consequences of a peripheral vision loss onto visual recognition in central vision. We tested patients with glaucoma. This ophthalmological condition affects the peripheral retina, thus representing a good pathological model of a system in which peripheral vision is degraded. We observed that these patients presented a deficit to categorize small scenes presented in central vision, even though their retinal sensitivity was preserved for this region of the visual field. This last result suggests that the loss of peripheral vision disrupts the predictive visual system and would thus disturb visual recognition globally, even in central vision. Overall, the results allow consolidating and clarifying the predictive frequency model while emphasizing the relevance of considering peripheral vision in visual recognition models.