即使世界上唯一有用的信息来自运动，人类的视觉系统也能产生深度感知。我们正在开发一个早期视觉系统的模型，通过识别表面纹理的突然出现和消失来模仿这种能力。当这个纹理消失或出现时，视觉系统可以推断出纹理正在被放置在该纹理前面的其他东西覆盖或揭开。
当一个物体相对于眼睛位于另一个物体的前面时，远处的物体就不能被完全看到了。由于视觉遮挡，部分遮挡的物体看起来就像位于另一个物体的后面。这种感知到的障碍是深度感知的一个非常可靠的线索，这意味着即使在信息最少的情况下，它也会产生深度感知。例如，下面的图片显示了随机噪声的动画序列。显示器中唯一的结构信息来自运动;如果动画停止，则显示基本上是空的。然而，在仔细观察一个动画或另一个动画后，大多数人看到的是两个表面之间有边界，左边或右边覆盖着另一边。这种现象可以用几种方式来描述。有些人说，一个表面看起来更近，因为垂直边缘属于该表面(边界所有权)。另一些人说，边缘的速度和更近表面的速度是相同的(常见的命运)。 Still others might say that the texture of the farther surface appears and disappears as it moves relative to the vertical edge (texture accretion/deletion). We are interested in the brain mechanisms that give rise to the perception of depth in these displays and how they relate to the above concepts in vision science.
观察者报告说，他们看到右边移动的表面在左边静止的表面后面滑动。如果暂停运动序列，那么图像立即看起来像一个单一的正方形，深度和遮挡的感觉就消失了。
这些显示只是产生深度排序感知的一组更大的视觉属性的一个例子。更多的例子可以找到在这里。
我们的研究重点是大脑中对运动和位置更敏感的视觉区域与对形状和形状更敏感的视觉区域之间的相互作用。这里的显示器表明，显示器两侧的运动定义了垂直边界和表面的形式。这就是为什么只有当隐藏的物体尽可能静止时，伪装才有效。演示）.
我们的模型首先通过在两个区域之间创建一个运动定义的边界来实现深度排序，然后通过在边界两侧发出纹理增加或删除的信号来实现深度排序。与视觉运动检测区域有关的建模区域，其中视觉运动在整个图像中快速变化。这些信息被反馈到与视觉形式有关的模型区域，这些区域可能存在时间和空间上定义的边界。为了检测纹理的增加和删除，该模型尝试使用形式和运动信息来预测纹理块在给定其当前位置和速度的情况下将移动的位置。当纹理在这些显示器的垂直边界突然出现或消失时，模型的预测是非常错误的，这为纹理的增加或删除提供了可靠的信号。
伪装过的动物在静止不动时很难被发现，但一旦它开始移动，它的形状和位置就会变得清晰起来。这是因为视觉运动，即我们的眼睛对世界的看法如何随着时间的推移而变化，为我们的大脑提供了可靠而有用的信息来感知世界的结构。在物体的轮廓周围尤其如此，因为它与后面被遮挡的背景相遇。当远处物体的表面纹理被附近物体覆盖时，它会出现和消失，这种现象被称为纹理增加和删除。
我们已经开发了一个模型，说明大脑视觉区域的神经元是如何连接的，以便能够有效地感知纹理的增加和删除，因为它移出或进入闭塞边缘。该模型的灵感来自于一种通过抑制突触连接来检测局部运动的神经机制。该模型产生的局部运动信号成为一个类似模型的输入，该模型可以检测穿过闭塞边缘的运动突然变化。下面的视频展示了一个纹理点如何从一个位置移动到另一个位置(下一行)，激活方向细胞(带箭头的椭圆)，当它开始移动时产生一个运动开始信号(上一行，绿点)，或者当它停止移动时产生一个运动偏移信号(上一行，红点)。
Barnes, T.和Mingolla, E.(2011)。增强的Barlow-Levick模型检测运动的开始和偏移。视觉杂志11(11)，第762条。
下面是一个交互式演示，您可以自己玩吸积和删除提示。按住鼠标右键可以反转感知到的深度顺序，或者按住鼠标左键可以从运动中看到结构。