Оценка когнитивного восприятия 3D-форм методом иерархического раскрытия BVH

Введение в проблему исследования когнитивного восприятия трехмерных форм

Оценка того, как человеческий мозг воспринимает, обрабатывает и распознает трехмерные (3D) объекты в контролируемых и количественно измеримых условиях, остается одной из наиболее сложных задач современной когнитивной психологии, зрительной нейронауки и психофизики. Традиционные подходы к исследованию зрительного восприятия часто сталкиваются с существенными ограничениями. Во-первых, при демонстрации стандартных изображений или трехмерных моделей исследователь сталкивается с неизбежным влиянием прошлого опыта испытуемого, ассоциативных связей, контекстуальных подсказок, освещения и текстуры. Во-вторых, создание строго стандартизированных визуальных стимулов, позволяющих дозировано и математически точно изменять количество доступной геометрической информации, представляет собой сложную инженерную задачу.

Человеческая зрительная система обладает уникальной способностью мгновенно извлекать инвариантные признаки объектов из сложного визуального потока. Однако точный математический и физиологический алгоритм, лежащий в основе этого процесса, до сих пор вызывает дискуссии в научном сообществе. Как именно мозг переходит от первичного, грубого восприятия общей контурной формы к точной идентификации конкретного предмета? Каков минимальный объем геометрической информации, необходимый для формирования устойчивого когнитивного образа? Для ответа на эти фундаментальные вопросы требуется экспериментальная парадигма, способная строго контролировать подачу геометрических данных на каждом этапе восприятия.

Методология: Иерархия ограничивающих объемов (Bounding Volume Hierarchy, BVH)

Для решения описанной проблемы авторы исследования предложили инновационную геометрическую экспериментальную парадигму, основанную на использовании иерархии ограничивающих объемов (Bounding Volume Hierarchy, BVH). В компьютерной графике, вычислительной геометрии и пространственном моделировании BVH представляет собой древовидную структуру данных, используемую для иерархической группировки трехмерных геометрических объектов с помощью простых пространственных оболочек (ограничивающих объемов, таких как сферы, ориентированные или параллельные оси параллелепипеды).

Принцип работы алгоритма BVH заключается в следующем:

• Корневой уровень (Root Level): Вся сложная трехмерная модель заключается в один максимально простой геометрический объем (например, один крупный параллелепипед или сферу), который дает лишь самое общее представление о пространственных габаритах предмета.
• Промежуточные уровни (Intermediate Levels): Корневой объем рекурсивно разделяется на более мелкие дочерние ограничивающие объемы, каждый из которых описывает отдельную часть или фрагмент объекта. На этих уровнях начинает прослеживаться общая топология, сочленения и пропорции стимула.
• Глубокие и листовые уровни (Leaf Levels): На самых глубоких уровнях древовидной структуры иерархические объемы максимально приближаются к оригинальной полигональной сетке (3D-мешу) объекта, полностью передавая тонкие детали, изгибы и локальные особенности формы.

Использование BVH в когнитивных экспериментах позволяет превратить процесс восприятия в дозируемый, шаг за шагом контролируемый эксперимент. Раскрывая ограничивающие объемы уровень за уровнем, исследователи получают воспроизводимый и математически строгий механизм регулирования объема пространственно-геометрической информации, доступной участнику тестирования в каждый конкретный момент времени.

Экспериментальная парадигма и процедура пользовательского исследования

В рамках проведенного пользовательского исследования проверялось, как последовательное раскрытие геометрических уровней BVH влияет на динамику распознавания объектов человеком. Эксперимент охватывал различные категории трехмерных объектов, различающихся по степени сложности, симметрии и привычности для повседневного восприятия.

В ходе каждого экспериментального испытания (пробы) участникам демонстрировался стимул, сформированный на определенном уровне глубины BVH-дерева. Процесс строился по принципу иерархического раскрытия: от минимально информативных поверхностных уровней к детальным концептуальным структурам. От участников требовалось не только идентифицировать объект (назвать его или выбрать правильную категорию), но и оценить свою субъективную уверенность в правильности сделанного выбора по шкале психофизической оценки.

Основные показатели, фиксируемые в ходе тестирования:

• Порог распознавания (Recognition Threshold): Минимальный уровень глубины BVH, при котором участник впервые верно идентифицирует объект.
• Точность распознавания (Recognition Accuracy): Доля правильных ответов на каждом конкретном уровне геометрической детализации.
• Динамика накопления информации (Accumulation Dynamics): Скорость и характер прироста точности при переходе от одного уровня детализации к другому.
• Субъективная уверенность (Confidence): Градация уверенности респондента в своем ответе, сопоставляемая с объективной точностью.

Ключевые результаты и закономерности восприятия

Анализ полученных экспериментальных данных позволил выявить ряд важных закономерностей, раскрывающих характер работы человеческой зрительной системы при обработке объемных форм.

1. Раннее возникновение правильных ответов и эффект saturation

Было установлено, что первичные правильные идентификационные ответы у участников часто возникают уже на грубых и промежуточных уровнях иерархии BVH. Мозгу человека не требуется абсолютная точность полигональной сетки, чтобы распознать базовые категории объектов. Наличия правильной пространственной компоновки и основных пропорциональных соотношений, задаваемых среднеуровневыми ограничивающими объемами, в многих случаях оказывается достаточно для формирования верной гипотезы об объекте.

При дальнейшем погружении на более глубокие уровни иерархии (добавление мелких деталей) наблюдается эффект насыщения (saturation). Это означает, что после достижения определенного порога детализации дополнительная геометрическая информация перестает существенно повышать вероятность правильного распознавания, так как объект уже идентифицирован с максимальной точностью.

2. Рост точности при увеличении детализации

Как и предполагалось теоретической моделью, общая точность распознавания (recognition accuracy) демонстрирует монотонный рост по мере раскрытия дополнительных уровней BVH. Переход от общих аппроксимаций к более точным геометрическим суб-объемам устраняет неоднозначность и позволяет дифференцировать объекты со схожими глобальными габаритами.

3. Взаимосвязь между точностью и субъективной уверенностью

Исследование продемонстрировало четкую корреляцию между объективной точностью ответа и субъективной уверенностью участника. Высокая степень уверенности статистически достоверно ассоциируется с правильными исходами распознавания. В то же время связь между уверенностью и поверхностными (грубыми) уровнями BVH оказалась менее робастной: на начальных уровнях детализации участники нередко демонстрировали либо осторожную неуверенность при верной догадке, либо, напротив, проявления ложной уверенности, вызванные визуальным сходством грубой формы с другими знакомыми предметами.

«Результаты исследования подтверждают, что иерархическая геометрическая структура представляет собой эффективную и надежную основу для контролируемой оценки распознавания 3D-форм человеком. Модель BVH дает возможность исследовать фундаментальные пороги восприятия и когнитивные механизмы формирования пространственных образов.»

Теоретическое значение для когнитивной науки и нейробиологии

Полученные результаты вносят существенный вклад в понимание иерархических моделей зрительного восприятия. В когнитивной психологии давно ведет дискуссию вопрос о том, как происходит обработка зрительного сигнала: «от общего к частному» (coarse-to-fine processing) или «от частей к целому» (fine-to-coarse / feature-based processing).

Успешное применение парадигмы BVH служит экспериментальным подтверждением гипотезы иерархической обработки от общего к частному. Мозг сначала строит глобальный пространственный каркас (скелетную или объемную репрезентацию), используя низкочастотную пространственную информацию, и лишь затем заполняет его высокочастотными деталями по мере их поступления или необходимости. Это соотносится с известными теориями распознавания объектов, такими как теория «распознавания по компонентам» (Recognition-by-Components, RBC) Ирвинга Бидермана, однако парадигма BVH предоставляет строго математический инструментарий для квантификации этого процесса.

Практические сферы применения и перспективы

Использование иерархии ограничивающих объемов (BVH) в качестве инструмента генерации контролируемых геометрических стимулов открывает широкие перспективы для целого ряда прикладных и научных областей:

• Клиническая и нейропсихологическая диагностика: Создание стандартизированных тестовых батарей для оценки пространственного мышления, зрительного гнозиса и выявления зрительных агнозий (нарушений распознавания предметов при поражениях коры головного мозга).
• Разработка систем искусственного интеллекта и компьютерного зрения: Моделирование алгоритмов распознавания 3D-объектов в нейросетевых архитектурах, оптимизирующих вычислительные затраты за счет предварительной оценки формы на грубых уровнях иерархии.
• Технологии виртуальной (VR) и дополненной (AR) реальности: Оптимизация детальности рендеринга трехмерных сцен в зависимости от фокуса внимания пользователя и порогов когнитивного восприятия детализации.
• Исследования в области эргономики и промышленного дизайна: Оценка читаемости и узнаваемости форм проектируемых изделий при ограниченной видимости или недостатке визуальной информации.

Информация о грантах, авторах и патентном статусе

Данная научная работа выполнена междисциплинарным коллективом исследователей из ведущих научных центров Республики Корея.

Сведения о финансировании

Работа была поддержана частично Грантом для новых преподавателей Пусанского национального университета (Pusan National University, 2025), частично грантами Национального исследовательского фонда Кореи (National Research Foundation of Korea, NRF), финансируемыми правительством Кореи (Министерством науки и ИКТ / Ministry of Science and ICT, MSIT: гранты № RS-2023-00245613, RS-2024-00352439), а также Институтом планирования и оценки информационно-коммуникационных технологий (Institute of Information & communications Technology Planning & Evaluation, IITP) в рамках программы подготовки кадров в области искусственного интеллекта (грант № IITP-2026-RS-2023-00254177).

Аффилиация авторов

• Хиюн Пак (Heeyoung Park): Департамент психологии, Сеульский национальный университет, Сеул, Республика Корея (соавтор с равным вкладом).
• Джинюн Чхве (Jinyoung Choi): Департамент инженерии информационного сближения, Пусанский национальный университет, Пусан, Республика Корея (соавтор с равным вкладом).
• Ёнджин Пак (Youngjin Park): Школа компьютерных наук и инженерии, Пусанский национальный университет, Пусан, Республика Корея (автор, ответственный за переписку / Corresponding author).

Заявление о конфликте интересов и патентный статус

Автор Ёнджин Пак (Youngjin Park) указан в качестве единственного изобретателя в находящейся на рассмотрении патентной заявке, связанной с пайплайном генерации стимулов на основе BVH, описанным в данном исследовании (заявитель: Пусанский национальный университет; номер заявки: 10-2026-0008520; статус: на рассмотрении; защищаемый аспект: метод конструирования и последовательного раскрытия стимулов на основе BVH). Другие авторы (Хиюн Пак и Джинюн Чхве) заявляют об отсутствии коммерческих или финансовых конфликтов интересов.

Информация о публикации и лицензировании

Статья опубликована в журнале Scientific Reports (2026). DOI: https://doi.org/10.1038/s41598-026-72636-2. Материал распространяется под международной лицензией Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 (CC BY-NC-ND 4.0), допускающей некоммерческое использование и распространение с обязательным указанием авторства без создания производных произведений.