풍경을 지각하는 방식

출처: Cognitive Daily

 

아래 동영상을 보라(브라우저에 퀵타임이나 윈도우 미디어 플레이어가 설치되어 있어야 한다). 동영상은 4가지 다른 풍경을 한번씩만 보여줄 것이다. 풍경들은 1초보다도 훨씬 짧게 제시되며, 그 후 차폐자극이 제시되어 당신의 시각 시스템에 남아있는 이미지를 지우게 될 것이다. 우리가 할 일은 동영상 속에서 사막이나 산을 찾는 것이다. 동영상을 유심히 보라.

 

찾아냈는가? 당신은 어떤 정보에 근거해서 '사막'이나 '산'을 봤다고 생각하는가? 그림에서 특정한 물체를 보고 풍경을 판단했는가?(대지나 눈밭) 색상을 보고 판단했는가? 지각 연구는 그 동안 장면 전제보단 물체나 물체의 부분(경계, 곡선 등)에 초점을 두었다. 하지만 우리 시각 체계가 정말 이런 식으로 작동할까? 만약 사람들이 개개 물체에 초점을 두는 게 아니라 장면 전체를 근거로 그림이 무엇인지 판단한다면?

 

Michell Greene과 Aude Oliva는 55명에게 수백가지의 풍경을 7가지 일반적인 속성에 의해 등급을 매기도록 했다: 은폐(C), 일시성(Tr), 가항성(可 航性)(N), 온도(Te), 개방성(O), 확장성(E), 깊이(Md). 그림은 30인치 칼라 모니터에 100장면을 한 그룹으로 보여줬다. 따라서 만약 피험자가 가항성을 판단하려면 전체 그림 중 절반을 스크린의 왼쪽으로 드래그하고(가항성이 낮은 경우) 나머지 절반은 오른쪽으로 드래그한다(가항성이 높은 경우). 그 다음 이렇게 나눈 집단을 다시 두번정도 더 나눠서 가장 가항성이 높은 경우부터 낮은 경우까지 8개의 그룹을 나눈다. 가항성이 가장 낮은 경우는 우거진 삼림이나 깎아지른 절벽이 될 것이고, 가항성이 높은 경우는 넓은 들판이나 길이 될 것이다. 모든 피험자들이 그림이나 속성 전체를 매기지는 않았지만 최소한 10명의 피험자는 각각의 그림에 각각의 속성을 매겼다. 아래 그림은 네 장면에 각 속성이 어떻게 등급 매겨졌는지를 보여주는 그림이다. 

 

박스들은 ranking의 50%에 해당하기 때문에 가항성의 경우 거의 모든 장면에서 높게 평가된 반면 산과 관련된 장면에서는 낮게 평가되었다. 사막은 온도에 있어서 높게 평가되었고, 산은 낮게 평가되었다.

 

그 다음 새로 73명을 모집하여 우리가 위에서 봤던 영상을 보여주었다. 각 장면은 30ms의 짧은 시간 동안 제시되었다. 한 세션은 50개의 그림으로 구성된다. 예를 들어 처음 50개의 영상에서 피험자는 호수가 있었는지 없었는지를 판단한다. 그 다음 다른 50개의 영상에서 산이 있었는지를 판단하는 식으로 진행된다. 결과는 아래와 같다.

 

이 그래프는 분류대상인 카테고리와 맞지 않는 장면을 골라내는 정확성을 보여준다. 예를 들어 피험자의 과제가 숲을 찾는 것이었다면, 전형적인 숲 그림은 개방성에서 낮은 평가를 받을 것이다. 산은 개방성에 있어서 사막보다 낮은 평가를 받을 것이고, 산과 숲의 (개방성에 있어서의)차이(distance)는 사막의 경우보다 가까울 것이다. 그림에서 알 수 있듯이 정확성은 그림간 (7개의 속성)전형성의 차이가 별로 없는 경우에 떨어진다. 숲을 찾던 피험자는 사막보다 산이 나올 때 실수를 많이 했다. 위 그래프는 7개의 속성과 8개의 풍경 타입을 모두 평균한 것이다.

(결국 첫번째 실험의 데이터를 근거로 두번째 실험에서 시행한 장면 인식이 7개 속성과 관련있는지 알아보려고 했던 것 같다. 그리고 피험자는 속성에 따라 그림을 분류하더라는 말이다. 왜 이리 말을 어렵게 써 놓은 것일까? - 역자주)

 

 

그러나 피험자가 일반적인 속성을 통해 풍경을 분류하지 않을 수도 있다. 산과 숲은 사막과 달리 서로 유사한 사물을 공유하기 때문에 이런 결과가 나오지 않았을까?

 

이런 가능성을 알아보기 위해 연구팀은 수학적 모델을 사용해서 bayesian 분류기를 개발했다. 한 분류기는 그림을 인간의 경우와 유사하게 속성에 근거해서 분류하도록 만들어졌다. 다른 하나는 풍경에 있는 사물들을 근거로 그림을 분류하게 했다. 시뮬레이션을 한 결과 속성에 근거한 분류방식은 인간의 경우와 유사한 결과를 도출했다. 반면 물체를 근거로 그림을 분류한 경우 인간의 경우와 달랐다. 속성에 근거한 분류자가 하는 경우는 인간의 경우와 유사했다(폭포를 강과 헷갈리는 경우). 반면 사물을 근거로 분류하는 동안 나온 실수는 인간이 범하는 실수와 달랐다.

 

연구자는 장면의 속성이 장면을 분류하는 유일한 요인은 아닐지도 모르지만 어쨌든 이것이 장면을 구분하는 데 중요하다는 것만은 확실해 보인다고 말했다.

Greene MR, & Oliva A (2009). Recognition of natural scenes from global properties: seeing the forest without representing the trees. Cognitive psychology, 58 (2), 137-76 PMID: 18762289

 

영어원문: http://scienceblogs.com/cognitivedaily/2009/07/how_do_we_recognize_scenes.php