多目標追蹤中基于運動信息的分組效應*

胡路明 蘇 晶 魏柳青 張學民,2

?

多目標追蹤中基于運動信息的分組效應

胡路明蘇 晶魏柳青張學民

(北京師范大學心理學部, 應用實驗心理北京市重點實驗室, 心理學國家級實驗教學示范中心(北京師范大學);北京師范大學認知神經科學與學習國家重點實驗室, 北京 100875)

本研究旨在探討運動信息對多目標追蹤的影響, 具體為考察多目標追蹤中是否存在基于運動信息的分組效應, 以及不同類型表面特征(顏色和形狀)對這一效應的影響。實驗1發(fā)現(xiàn)多目標追蹤中存在基于運動信息的分組效應, 并且這一分組效應是自動化的。實驗2和實驗3分別在不同顏色和不同形狀組合條件下考察了基于運動信息的分組效應的穩(wěn)定性, 結果都表明不同表面特征的組合不會干擾基于運動信息的分組效應的形成, 但其效應量都因表面特征的出現(xiàn)而縮減。整體而言, 多目標追蹤中存在基于運動信息的自動化分組效應, 并且這一效應是格式塔法則中共同命運律的具體表現(xiàn), 能穩(wěn)定存在于不同表面特征組合之間。

多目標追蹤; 共同命運; 運動信息; 分組效應

1 前言

人們在生活中常常需要利用動態(tài)視覺來追蹤和觀察周邊世界, 比如海灘救生員需要時刻巡視海灘人群的狀況, 足球運動員需要時刻注意場上人員和足球的方位等。動態(tài)視覺追蹤能力比靜態(tài)注意知覺更為復雜, 更為生態(tài)化, 有利于更好地加工和理解動態(tài)客觀世界。20世紀80年代, Pylyshyn和Storm (1988)提出了多目標追蹤(Multiple Object Tracking, MOT)任務范式, 系統(tǒng)地探討了人類的這一動態(tài)視覺能力。多目標追蹤任務也從此作為反映人類在時空變化場景中獲取客體的能力的典型任務。經過近30年的研究發(fā)現(xiàn), 普通人一般最多能夠同時追蹤4~5個目標, 即對應同等數量的索引標簽(index tag) (Pylyshyn & Storm, 1988), 但這一容量仍會受到大量相關因素的影響, 如目標或非目標的數量(Oksama & Hy?n?, 2004; 張學民, 魯學明, 魏柳青, 2011), 物體運動的速度(Feria, 2013), 運動軌跡(Luu & Howe, 2015), 運動所參考的框架(Huff, Meyerhoff, Papenmeier, & Jahn, 2010), 空間間隔(Holcombe, Chen, & Howe, 2014), 空間對稱特征(Wang, Zhang, Li, & Lyu, 2016), 表面特征(Makovski & Jiang, 2009a; 雷寰宇, 魏柳青, 呂創(chuàng), 張學民, 閆曉倩, 2016), 范疇特征(Wei, Zhang, Chuang, & Zhen, 2016), 身份變換(Lyu, Hu, Wei, Zhang, & Talhelm, 2015; 胡路明, 呂創(chuàng), 張學民, 魏柳青, 2018)等因素。

1.1 多目標追蹤中運動信息的作用

盡管多目標追蹤表現(xiàn)受到諸多因素的影響, 但運動信息(motion information)相對于其他特征而言更為基礎和關鍵。這一方面體現(xiàn)在典型的多目標追蹤任務中, 當所有運動客體都相同(Pylyshyn, 2004; Scholl, Pylyshyn, & Feldman, 2001), 觀察者無法利用表面特征來輔助追蹤, 但仍能夠很好地持續(xù)保持對多個目標的同時追蹤。另一方面體現(xiàn)在, 即使表面特征時刻變化(Makovski & Jiang, 2009b; 胡路明等, 2018)或被遮擋(Franconeri, Pylyshyn, & Scholl, 2012; Scholl & Pylyshyn, 1999)時, 觀察者無法有效利用表面特征來輔助追蹤, 也仍能夠依靠時空特性來建立客體連續(xù)性, 保持對多個運動客體的同時追蹤。因此, 多目標追蹤中視覺系統(tǒng)對運動信息的依賴性相對較強(Keane & Pylyshyn, 2006; 張學民, 姚林, 魯學明, 2008)。

運動信息是關于當前客體運動方式的問題(Fencsik, Klieger, & Horowitz, 2007), 可以包含位置信息, 速率, 方向等綜合性的信息(Suganuma & Yokosawa, 2006)。早期, Yantis (1992)、Scholl和Pylyshyn (1999)等發(fā)現(xiàn)當視覺客體消失或經過遮擋時, 仍能夠被當做連續(xù)的存在而被追蹤, 即視覺客體性(objecthood)仍被保持(Scholl & Pylyshyn, 1999; Yantis, 1992)。即使消失時間延長至150~900 ms之間, 追蹤成績也并無差異(Keane & Pylyshyn, 2006)。Horowitz, Birnkrant, Fencsik, Tran和Wolfe (2006)在考察目標復原的原因時推測, 這種目標復原能力主要是因為目標刺激突然從視野消失時觸發(fā)了一種離線存儲, 視覺系統(tǒng)把刺激消失時的目標信息保存在該離線存儲記憶(off-line memory)中(Horowitz et al., 2006)。當目標再現(xiàn)時, 觀察者就可以把當前畫面與存儲的信息進行匹配來進行目標復原。對于這一假設的離線存儲機制所儲存的信息, Keane和Pylyshyn (2006) 認為主要為目標的位置信息, 而Fencsik等(2007)則進一步用實驗證明除了目標位置信息, 還應涵蓋目標運動方向及軌跡信息(Fencsik, Horowitz, Kliege, & Wolf, 2004; Fencsik et al., 2007)。

運動信息除了能夠輔助目標復原之外, 還能夠作為輔助線索來影響多目標追蹤表現(xiàn)。首先, Horowitz和Cohen (2010)在一項典型MOT任務中要求觀察者在運動階段結束后判斷目標的運動方向, 結果顯示觀察者能夠準確的予以識別。其次, StClair, Huff和Seiffert (2010)同樣利用典型MOT范式發(fā)現(xiàn), 在運動客體連續(xù)可見地實時運動中, 紋理背景的運動信息對多目標追蹤成績有顯著影響(StClair et al., 2010)。相比于靜止的紋理背景而言, 與目標運動方向相反的紋理背景運動會阻礙多目標追蹤表現(xiàn), 而與目標運動方向相同的紋理背景運動會促進多目標追蹤表現(xiàn)。由此可推測, 運動客體的運動信息能夠被用于促進多目標追蹤表現(xiàn)。第三, 當運動客體直線運動且其位置可被預測時, 觀察者能夠在一定程度上利用運動信息來輔助追蹤。而當運動客體隨機變化方向且位置不可預測時, 觀察者則無法利用運動信息(Howe & Holcombe, 2012a)。

運動信息能夠幫助建立客體連續(xù)性, 但其能否促進多目標追蹤表現(xiàn)還在于其是否能夠被有效組織和識別。當運動信息無規(guī)則的隨機分布于多目標運動中, 運動信息的利用程度就低, 如典型的多目標追蹤任務。而當運動信息組織程度較高或可識別性較高時, 運動信息的促進效應則相對明顯, 如可預測的運動位置和無方向信息沖突的多目標運動。Suganuma和Yokosawa (2006)的一項研究著重探討了運動信息的組織形式對多目標追蹤表現(xiàn)的影響。該研究選擇了四種不同的運動軌跡作為實驗條件(參見圖1所示), 即追趕運動條件(the chase condition),平行運動條件(the parallel condition), 追蹤運動條件(the trail condition), 以及基線隨機運動條件(the random condition)。其中, 追趕運動條件是指一個目標和一個非目標先相距3.6度視角的距離, 之后這兩者中的任意一個先運動(即被追趕客體, 或引領客體), 另一個隨后與被追趕的客體保持同一方向和速度運動(即追趕客體, 或被引領客體)。前后兩個運動客體的運動方向與兩者的圓心連線方向相同。平行運動條件在初始階段與追趕運動條件相同, 先相隔一定距離, 然后兩個對象先后同向運動, 但前后對象在同向方位上相差至少30°, 即相互平行運動, 但路徑不重疊。追蹤運動條件與追趕運動條件相同, 但追趕運動條件的引領對象(leading item)其方向和速度是固定不變的, 而追蹤運動條件的引領對象允許隨機變化方向和速度。隨機運動條件則與典型MOT任務一致, 作為實驗的基線條件。

經過逐一對比發(fā)現(xiàn), 追趕運動條件的成績顯著低于基線隨機運動條件, 即多目標追蹤表現(xiàn)受客體運動軌跡的影響。此外, 平行運動條件和追蹤運動條件均顯著低于基線隨機運動條件, 但均與追趕運動條件無顯著差異, 分別說明共享運動方向和共享運動軌跡都將降低多目標追蹤表現(xiàn)。因此, 當目標與非目標共享一定的運動信息, 如方向(direction)或軌跡(trajectory)等時, 將會損害多目標追蹤表現(xiàn), 即使觀察者并沒有成功覺察到這一關系(Suganuma & Yokosawa, 2006)。這一研究也暗示著即使在缺乏其他有效分組線索時, 不同類型的共同運動信息似乎也能夠作為整體客體表征來形成分組。但該研究主要是利用分組假設來解釋共同運動信息所產生的效應, 即高水平的知覺組織能夠利用共同運動信息來維持標簽-目標(tag-target)的更新, 是從現(xiàn)象到理論解釋的過程, 并未直接闡述運動信息本身作為一類特征在不同情形下形成分組時對多目標追蹤表現(xiàn)的影響。也即, 該研究并非直接從理論延展到不同現(xiàn)象來探討運動信息這一時空特征。具體而言, 運動信息特征是否能類似于其他表面特征(如顏色, 形狀等)在目標內部和目標與非目標間都形成分組, 以及這兩類分組形成后能否對多目標追蹤表現(xiàn)產生不同的影響。相對而言, 本研究所探討的內容較Suganuma和Yokosawa (2006)的研究內容更為直接和具體。

1.2 多目標追蹤中的分組效應

Yantis (1992)首次報告了分組效應(Grouping)對多目標追蹤表現(xiàn)的促進作用, 即觀察者能夠在高層認知中自上而下(top-down)地形成虛擬多邊形(polygon)來維持多個追蹤目標。具體而言, 在多目標追蹤中, 觀察者先受刺激驅動(stimulus-driven)而自動形成分組(group formation), 隨后受自上而下的目標驅動來進行分組維持(group maintenance)。Scholl等(2001)則通過目標合并(target merging)的方法, 即通過可見或不可見的線條將一個目標和一個非目標相連接, 發(fā)現(xiàn)目標合并技術會使得合并后的目標和非目標被自動視為一個整體客體, 增大追蹤任務難度。隨后, 一系列的多目標追蹤研究還表明, 多目標追蹤中的運動客體能夠基于不同的特性來形成知覺分組, 如相似性(Feria, 2012; Howe & Holcombe, 2012b; Makovski & Jiang, 2009a, 2009b), 插補輪廓(Keane, Mettler, Tsoi, & Kellman, 2011), 立體景深(Stereo depth)和對比度(Contrast polarity) (Erlikhman, Keane, Mettler, Horowitz, & Kellman, 2013), 對稱規(guī)則(Symmetry regularity) (Wang et al., 2016), 概念范疇(Wei et al., 2016), 以及組合特征(Erlikhman et al., 2013; Howe & Holcombe, 2012b)等特征。

Makovski和Jiang (2009a, 2009b)的研究表明目標和非目標共享顏色特征時, 將會損害注意追蹤。Feria (2012)的研究則表明當非目標在形狀、顏色或靜止狀態(tài)上區(qū)別于目標時, 追蹤表現(xiàn)的損害要比非目標與目標一致時更小。Howe和Holcombe (2012b)的研究進一步表明在非目標不與目標共享組合特征時, 組合特征同樣能夠促進多目標追蹤表現(xiàn)。Keane等(2011)發(fā)現(xiàn)除表面特征外, 插補輪廓特征也能夠綁定目標和非目標, 繼而造成追蹤表現(xiàn)受損, 并且這一綁定是自動化的。為了驗證這一自動化分組效應是獨特還是普遍存在的, Erlikhman等(2013)更深入地對8種特征的分組效應進行了綜合考察, 包括顏色, 對比度, 朝向, 大小, 形狀, 立體景深, 插補, 特征組合(顏色、形狀、大小), 結果發(fā)現(xiàn)大部分特征形成的目標內部分組(inter-target grouping)都能夠顯著提高追蹤表現(xiàn), 除了基于朝向和插補特征的分組?；谔囟ㄌ卣餍纬赡繕伺c非目標分組(target-distractor grouping)時, 卻會顯著損害追蹤表現(xiàn), 包括顏色, 大小, 形狀, 特征組合和插補。因此, 絕大多數特征都能產生基于特征相似性的分組效應, 即使這些特征與當前任務無關或相反, 并且在動態(tài)追蹤中, 基于特征相似性的分組效應似乎更傾向于自動和平行加工。Wang等(2016)最近還發(fā)現(xiàn)規(guī)則特征, 如空間對稱, 也能夠影響多目標追蹤表現(xiàn)。當目標與目標處于對稱位置時, 多目標追蹤表現(xiàn)提高, 反之, 多目標追蹤表現(xiàn)下降。此外, 基于對稱的分組效應還能夠與基于顏色或形狀的分組效應相疊加, 更進一步地提高多目標追蹤表現(xiàn)。這說明兩種不同類型特征的分組效應間能夠相互不影響, 并同時獨立發(fā)揮作用。

圖1 三種運動軌跡圖(Suganuma & Yokosawa, 2006)

注：a.追趕運動; b.平行運動; c. 追蹤運動。虛線表示實心客體的運動軌跡, 而實線表示空心客體的運動軌跡。其中, 虛線和實線軌跡加粗部分是運動匹配的關鍵階段。上述圖像的運動位置截取自關鍵階段的第一幀畫面。注意, 正式實驗中出現(xiàn)的是8或10個相同客體, 不出現(xiàn)指示線。

上述研究發(fā)現(xiàn)了大量的基于不同表面特征的分組效應, 但對于基礎的運動及時空特征屬性是否也會產生類似的分組效應, 仍有待進一步詳細研究。運動與時空特征在建立客體連續(xù)性上有著重要作用, 不同類型的運動分組效應理論上將影響到建立客體連續(xù)性的過程。因此, 本實驗假設如果運動信息能夠輔助觀察者在目標群內形成分組, 那么這一分組效應將更有利于建立客體連續(xù)性。反之, 若運動信息輔助觀察者在目標和非目標間形成分組, 那么這一分組效應將更可能干擾客體連續(xù)性的建立。這一方面可以探討是否存在基于運動信息的分組效應, 另一方面還可考察基于運動信息的分組效應是否傾向于自動加工。綜上所述, 當前研究的主要任務旨在探討是否存在目標內部和目標與非目標間的基于運動信息的分組效應, 以及這一分組效應是自下而上的自動加工還是自上而下的自主加工。實驗1中通過設置三種不同的運動信息條件, 分別對應目標內配對運動, 目標與非目標間配對運動和隨機運動(基線條件), 來考察這一分組效應。根據Keane等(2011)和Erlikhman等(2013)的研究可知, 某一特征是否能夠在多目標追蹤過程中形成自動化分組需要滿足兩個條件。第一, 目標內部形成分組時其成績要好于隨機運動狀態(tài)的成績。第二, 目標與非目標間形成分組時其成績要差于隨機運動狀態(tài)的成績。滿足條件一則說明該特征能夠有效形成知覺分組, 即觀察者能夠根據該特征來有效區(qū)分目標與非目標, 提高追蹤成績。但滿足條件一并非意味著該特征是自動化加工, 也可能是自主化加工。因此, 還需要進一步滿足條件二。如果條件二也被滿足則說明這一特征不僅能夠有效區(qū)分目標和非目標, 也能夠有效干擾目標的視覺客體獨立性, 妨礙目標從非目標中被區(qū)分出來, 并且這一效應不是觀察者自主抑制就能改變, 而是自下而上的自動化加工, 是不可避免地會發(fā)生的視覺混淆。因此, 在實驗1中倘若目標內配對運動和目標與非目標間配對運動的追蹤成績都顯著不同于隨機運動, 則說明配對運動能對多目標追蹤產生影響, 即觀察者能夠利用運動信息來形成分組。并且, 如果目標內配對運動時的追蹤成績顯著高于隨機運動且目標與非目標間配對運動時的追蹤成績顯著低于隨機運動, 那么說明這一分組效應還支持自下而上的自動加工。

除此之外, 考慮到日常生活中大量的運動客體都對應有各自的表面特征信息, 當前研究還將在帶有表面特征的多目標追蹤任務中進一步深入考察基于運動信息的分組效應是否能穩(wěn)定存在, 即表面特征是否會影響基于運動信息的分組效應的形成。具體而言, 在實驗1中觀察者可利用的表面特征信息都是一致的, 也即觀察者主要依靠運動信息來維持多目標追蹤。而當出現(xiàn)表面特征信息時, 運動信息的利用程度是否會受到影響呢？Pylyshyn (2004)認為表面特征對多目標追蹤的作用較小, 而Makovski和Jiang (2009b)與Feria (2012)等則認為表面特征在多目標追蹤中起著重要作用。因此, 考察不同表面特征下的基于運動信息的分組效應具有十分重要的理論和現(xiàn)實意義。在實驗2和實驗3中通過分別操縱不同顏色和不同形狀組合特征來探討基于運動信息的分組效應的穩(wěn)定性, 包括同一特征條件(Identical), 區(qū)別特征條件(Distinct)和混合特征條件(Mixed)三種組合特征。如果不同顏色和不同形狀特征條件下都存在基于運動信息的分組效應, 那么就有足夠的證據支持基于運動信息的分組效應穩(wěn)定存在于多目標追蹤中。整體而言, 當前研究對于理解多目標追蹤中運動信息的作用有比較重要的意義, 也有利于更進一步理解知覺分組效應對多目標追蹤的影響。

2 實驗1：基于運動信息的分組效應對多目標追蹤表現(xiàn)的影響

運動信息在多目標追蹤中被廣泛使用, 如目標復原和輔助追蹤, 但其利用程度因組織形式的不同有所差異。此外, 分組效應雖已被證明廣泛存在于大量表面特征中, 但就基礎性的時空特征而言, 尚未有完整的直接證據表明基于運動信息的分組效應的存在, 以及這一效應是否是由自下而上的自動加工驅動。多目標追蹤中的自動化的分組效應實質是指, 目標內部分組時促進多目標追蹤表現(xiàn), 同時目標與非目標分組時損害多目標追蹤表現(xiàn)(Erlikhman et al., 2013; Keane et al., 2011; Wang et al., 2016)。因此, 本實驗將通過考察目標內部的運動分組和目標與非目標間的運動分組兩種條件與隨機運動條件的多目標追蹤表現(xiàn)的差異, 來證明基于運動信息的分組效應的存在及其自動化加工特性。

2.1 被試

招募北京地區(qū)高校16名被試。其中, 男性6人, 女性10人, 平均年齡21.38 ± 2.17歲。所有被試裸視或矯正后視力正常。實驗前簽署知情同意書, 實驗后給與相應實驗酬勞。

2.2 儀器和材料

實驗顯示儀器為17英寸CRT顯示屏, 屏幕分辨率為1024 × 768 pixel (1 pixel = 0.032 cm), 垂直刷新頻率為85 Hz。實驗程序采用基于Matlab 2012b (www.mathworks.com)的心理物理工具箱Psychtoolbox 3 (Brainard, 1997; Pelli, 1997)編寫。

正式實驗時, 被試坐于電腦屏幕前57 cm左右的位置。刺激呈現(xiàn)區(qū)域為屏幕中央900 × 675 pixel (36° × 27°)的黑色[RGB (0, 0, 0)]方形框。背景和運動區(qū)域均采用自然灰度[RGB (128, 128, 128)]填充。追蹤對象為12個直徑30 pixel的黑色圓環(huán)(寬8 pixel),其中6個為目標, 6個為非目標。實驗開始時, 隨機分配追蹤對象的初始位置, 平均運動速度為8.5°/s。運動過程中不隨機改變方向, 碰到四周外壁后反彈,但相互間接觸不反彈。

2.3 實驗設計

實驗設計采用單因素三水平被試內設計(見圖2)。自變量為追蹤對象的運動軌跡配對形式。條件一為目標與目標配對追趕運動(目標與目標配對條件), 一個目標在前面運動, 同時另一個目標緊隨其后。條件二為目標與非目標配對追趕運動(目標與非目標配對條件), 一個目標在前面運動, 同時另一個非目標緊隨其后。條件三為控制條件(隨機無配對條件), 目標與非目標相互獨立且隨機運動, 與典型MOT任務一致。因變量為追蹤正確率。

追趕運動開始時即進入配對狀態(tài), 前后運動對象相互間隔3倍圓心距(90 pixel, 3.6 degree)。之后, 追趕目標緊隨被追趕目標的運動軌跡運動。追趕目標和被追趕目標的運動速度以及運動方向一致。兩者的運動方向指向兩者的圓心連線。其中, 在前面運動的對象碰到黑色邊框時反彈, 后面追趕的對象沿著前面對象的軌跡在相同位置發(fā)生反彈, 然后繼續(xù)追趕前面的對象。

2.4 實驗程序

實驗前, 被試坐在距離屏幕顯示器前約57 cm的位置, 以保證每個像素對應0.04度視角。實驗開始時, 首先屏幕上會自動呈現(xiàn)指導語, 在確認被試了解當前任務后, 按空格鍵繼續(xù)。之后, 屏幕上將同時呈現(xiàn)12個直徑30 pixel的圓環(huán), 其中6個圓環(huán)被選為目標, 其外周將伴隨出現(xiàn)直徑40 pixel (寬4 pixel)的紅色圓環(huán), 并閃爍4次, 持續(xù)2000 ms。閃爍結束后, 仍保持標記狀態(tài)1000 ms (即紅色圓環(huán)持續(xù)呈現(xiàn)在追蹤對象外周)。標記階段結束后, 所有追蹤對象開始進入運動階段。其中, 配對追趕運動中, 前后配對的圓心距為90 pixel (即三倍于圓環(huán)直徑)。配對圓環(huán)按照相同的方向和速度運動(看起來像一個對象追著另外一個對象運動), 在前面運動的對象碰到邊界黑色邊框時反彈, 后面追趕的對象沿著前面對象的軌跡在同樣位置反彈, 然后繼續(xù)跟隨前面對象運動。運動過程中圓環(huán)之間無碰撞反彈, 可遮擋。無配對的隨機運動中, 所有圓環(huán)隨機獨立的運動, 相互之間在圓心距為三倍圓環(huán)直徑的位置互斥反彈。配對運動和無配對隨機運動這兩類條件在遮擋設置上有所不同。前者設置中允許遮擋是為了避免碰撞反彈的現(xiàn)象大面積出現(xiàn), 影響配對追蹤效果。而后者設置為碰撞反彈無遮擋是考慮到配對追趕運動時前后運動客體間的間距為三倍客體直徑, 即一半的運動客體處于相互無接觸的狀態(tài)。為了抵消配對運動中這一現(xiàn)象可能帶來的增益效應, 故將隨機運動設置為不接觸提前反彈的狀態(tài)。這一設置將更為保守, 更不易造成結果的假陽性。整個運動階段持續(xù)10 s, 并且從運動開始時即直接進入配對狀態(tài)。為了防止被試在配對追趕運動中僅依靠被追趕對象的信息而忽視追趕對象的信息, 所有對象在配對追趕運動結束前1 s時, 解除配對關系, 進入隨機運動狀態(tài)。運動階段結束后, 要求被試用鼠標選出所有目標, 被選擇的圓環(huán)外周將出現(xiàn)直徑40 pixel的紅色圓環(huán), 可以更改選擇。選擇完全部的6個目標后, 按空格鍵進入下一試次。

在正式實驗前, 被試需練習至少4試次, 并且給予正誤反饋, 直至被試清楚實驗任務為止。三種實驗條件混合隨機呈現(xiàn), 每種條件進行20試次, 共計60試次。整個實驗時間持續(xù)約20分鐘。實驗程序將自動記錄實驗反應數據。

2.5 結果與分析

經重復測量方差分析發(fā)現(xiàn), 不同運動方式之間的差異顯著(見圖3),(2,30) = 22,< 0.001, η= 0.6。事后兩兩檢驗(Bonferroni 校正)結果進一步表明,目標與目標配對條件顯著高于目標與非目標配對條件,(15) = 7.51,< 0.001, Cohen’s= 1.88, 和隨機無配對條件,(15) = 3.23,= 0.006, Cohen’s= 0.81。并且, 目標與非目標配對條件還顯著低于隨機無配對條件,(15) = –3.06,= 0.008, Cohen’s= 0.76。

圖2 三種實驗條件示意圖

注：紅色虛線圓環(huán)內為追蹤目標。虛線箭頭代表配對運動關系, 每一配對運動關系中箭頭指向的客體為引領者, 箭頭起始處的客體為被引領者。被引領的客體與引領客體的運動軌跡一致, 呈現(xiàn)出追趕的狀態(tài)。正式運動時紅色虛線圓環(huán)和虛線箭頭均不顯示。

圖3 三種運動條件的追蹤準確率(誤差線為± 1 SE)

2.6 小結

實驗1發(fā)現(xiàn), 目標與目標配對條件的追蹤準確率最高, 隨機無配對條件其次, 目標與非目標配對條件的追蹤準確率最低。即相對于基線條件, 非目標與目標共享運動信息時, 會損害追蹤成績, 這與前人研究一致(Makovski & Jiang, 2009b; Suganuma & Yokosawa, 2006)。而相對于基線條件, 當目標與目標共享運動信息時, 能夠提高追蹤成績(Howe & Holcombe, 2012b)。即基于運動軌跡的分組效應也是自動的(Erlikhman et al., 2013)。這也說明, 運動信息和表面特征, 如顏色, 大小, 形狀等一致, 也是形成分組效應的重要因素。

3 實驗2：多目標追蹤中顏色特征對運動信息分組效應的影響

實驗1發(fā)現(xiàn)多目標追蹤中存在基于運動信息的分組效應, 并且這一分組效應是自動化加工的。在實驗1中, 所有運動客體的表面特征都是相同的, 即具有同一顏色和同一形狀。然而, 在現(xiàn)實世界中, 運動客體都帶有一定的表面特征。那么, 基于運動信息的分組效應是否穩(wěn)定存在于不同的表面特征之下。具體而言, 不同的表面特征是否會影響基于運動信息的分組效應的形成?；诖? 本實驗選取顏色特征作為表面特征, 將表面特征組合分為三類情形, 分別是目標與非目標顏色相同組(顏色相同條件), 目標與非目標顏色不同組(顏色不同條件), 目標與非目標顏色混合組(顏色混合條件)。在上述三組表面特征下考察基于運動信息的分組效應是否仍穩(wěn)定存在。

3.1 被試

招募北京地區(qū)高校18名被試。其中, 男性7人, 女性11人, 平均年齡21.25 ± 1.52歲。所有被試裸視或矯正后視力正常。實驗前簽署知情同意書, 實驗后給與相應實驗酬勞。

3.2 儀器與材料

實驗儀器和程序編寫同實驗1。實驗材料為12個直徑為30 pixel的實心圓, 其中6個為目標, 6個為非目標。實心圓內填充的顏色種類如下(參見圖4), 綠色[RGB (0,255,0)], 品紅[RGB (255,0,255)], 藍綠色[RGB (0,255,255)], 藍色[RGB (0,0,255)], 紅色[RGB (255,0,0)], 橙色[RGB (255,165,0)], 深粉色[RGB (255,20,147)]。目標和非目標顏色均從以上顏色中隨機選擇。運動物體的平均運動速度為10.2°/s。其余參數同實驗1。

3.3 實驗設計

本實驗為2(基于運動信息分組：目標與目標配對條件和目標與非目標配對條件) × 3(基于顏色分組：顏色相同條件, 顏色不同條件, 顏色混合條件)的兩因素被試內設計。實驗組合設計如表1和圖5所示。

3.4 實驗程序

實驗程序和參數基本同實驗1。但每一試次都增加顏色作為表面特征, 且在運動結束時采用相同大小的黑色實心圓(30 pixel)進行遮蔽, 避免被試依賴記憶策略來進行選擇。參與者先完成三種顏色組合下的目標與目標配對條件, 再完成三種顏色組合下的目標與非目標配對條件。在每種追趕條件中, 三種顏色組合均隨機混合出現(xiàn)。每種組合條件重復20試次, 共完成120試次。整個實驗時間持續(xù)約40分鐘。實驗程序將自動記錄實驗反應數據。

圖4 實驗備選顏色素材(彩圖見電子版)

表1 實驗2實驗設計說明

圖5 實驗條件示意圖(顏色+ 運動信息, 彩圖見電子版。虛線正方形方框內的圓形被標記為追蹤目標, 其余為分心物。正式實驗中的標記階段采用紅色圓環(huán)進行標記, 此處僅為示意。虛線箭頭表示配對運動關系, 每一配對運動關系中箭頭指向的客體為引領者, 箭頭起始處的客體為被引領者。被引領的客體與引領客體的運動軌跡一致, 呈現(xiàn)出追趕的狀態(tài)。正式運動時虛線方框和虛線箭頭均不顯示)

3.5 結果與分析

不同運動信息和顏色組合條件的追蹤準確率如圖6所示。經重復測量方差分析可知, 基于運動信息分組的主效應顯著,(1,17) = 28.76,< 0.001, η= 0.63。這表明, 整體上, 目標與目標配對條件的追蹤準確率要顯著高于目標與非目標配對條件。基于顏色分組的主效應顯著,(1.37,23.37) = 213.86,< 0.001, η= 0.93 (Greenhouse-Geisser校正)。這表明, 在實驗中不同的顏色分組處理是有效的。兩者的交互作用同樣顯著,(2,34) = 9.44,< 0.001, η= 0.36。這表明, 不同顏色特征分組下的目標與目標配對條件和目標與非目標配對條件的追蹤準確率差異是不相同的。

圖6 三種顏色分組條件下基于運動分組的追蹤準確率(誤差線為± 1 SE)

進一步在不同顏色分組條件下進行簡單效應檢驗(Bonferroni校正)發(fā)現(xiàn), 目標與非目標顏色相同條件((17) = 6.65,< 0.001, Cohen’s= 1.57), 目標與非目標顏色不同條件((17) = 2.72,= 0.015, Cohen’s= 0.64), 和目標與非目標顏色混合條件((17) = 2.19,= 0.043, Cohen’s= 0.52)下目標與目標配對條件的多目標追蹤準確率均顯著高于目標與非目標配對條件。這表明, 基于運動信息的分組效應穩(wěn)定存在于不同顏色特征分組中。另一方面, 在不同運動信息分組條件下進行簡單效應檢驗(Bonferroni校正)發(fā)現(xiàn), 三種顏色分組條件在目標與目標配對條件中差異顯著,(2,16) = 93.36,< 0.001, η= 0.92。具體為目標與非目標顏色不同條件顯著高于目標與非目標顏色相同條件((17) = 12.39,< 0.001, Cohen’s= 2.92)和目標與非目標顏色混合條件((17) = 14.08,< 0.001, Cohen’s= 3.32)。目標與非目標顏色混合條件顯著低于目標與非目標顏色相同條件,(17) = –2.9,= 0.03, Cohen’s= 0.68。三種顏色分組條件在目標與非目標配對條件中也差異顯著,(2,16) = 173.36,< 0.001, η= 0.96。具體為目標與非目標顏色不同條件顯著高于目標與非目標顏色相同條件((17) = 18.79,< 0.001, Cohen’s= 4.43)和目標與非目標顏色混合條件((17) = 13.13,< 0.001, Cohen’s= 3.1)。目標與非目標顏色混合條件與目標與非目標顏色相同條件無顯著差異,(17) = –2.15,= 0.139, Cohen’s= –0.51。這表明, 特征組合條件下, 目標與非目標顏色不同條件也能夠顯著促進多目標追蹤表現(xiàn), 而目標與非目標顏色混合條件不能促進, 甚至還會損害多目標追蹤表現(xiàn)。即在一定程度上, 顏色特征和運動信息能夠被同時利用。

此外, 為進一步分析顏色特征對運動信息的影響效應, 將三種顏色分組條件下的目標與目標配對條件的追蹤成績分別減去其對應的目標與非目標配對條件的追蹤成績, 得到三種顏色分組條件下的目標與目標配對條件?目標與非目標配對條件的增益量分別為10.1%, 3.6%, 3.4%。以目標與非目標顏色相同條件下的增益量為基線, 將另兩種增益量與其進行配對樣本檢驗分析發(fā)現(xiàn), 目標與非目標顏色不同條件((17) = –3.73,= 0.002, Cohen’s= –0.88)和目標與非目標顏色混合條件((17) = –4.26,= 0.001, Cohen’s= –1)的增益量均顯著低于目標與非目標顏色相同條件。但目標與非目標顏色不同條件和目標與非目標顏色混合條件間的增益量無顯著差異,(17) = 0.1,= 0.924, Cohen’s= 0.02。這說明, 基于運動信息的分組效應雖然穩(wěn)定存在于不同顏色特征分組中, 但其效應量卻因表面特征而受到顯著縮減。在顏色分組占優(yōu)勢的情況下, 如目標與非目標顏色不同條件, 因受顏色分組增益而縮減。在顏色分組處劣勢的情況下, 如目標與非目標顏色混合條件, 因受顏色混合干擾而縮減。

3.6 小結

在不同顏色組合條件中, 目標與目標配對均比目標與非目標配對更有利于追蹤, 這表明基于運動信息的分組效應是穩(wěn)定的?；陬伾姆纸M效應并未干擾基于運動信息的分組效應的形成。但和目標與非目標顏色相同時相比, 顏色特征的存在顯著縮減了目標與目標配對條件和目標與非目標配對條件間的差異量。即使兩者的縮減原因有所不同, 前者因增益縮減, 后者因干擾縮減。因此, 這一方面說明, 基于運動信息的分組效應具有穩(wěn)定性, 即使存在基于顏色的分組效應也仍能發(fā)揮作用。另一方面還說明, 雖然基于顏色的分組效應沒有干擾基于運動信息的分組效應的形成, 但是基于運動信息的分組效應仍受到了顏色特征的影響。

4 實驗3：多目標追蹤中形狀特征對運動信息分組效應的影響

實驗2考察了不同顏色特征組合下的基于運動信息的分組效應, 結果仍舊發(fā)現(xiàn)目標內部分組的多目標追蹤表現(xiàn)優(yōu)于目標與非目標間分組。但顏色特征僅是其中一種表面特征, 需要增加形狀特征加以進一步佐證。形狀特征是和顏色特征一樣廣泛存在于客體表面的外在特征, 但形狀特征和顏色特征的認知加工是有所差異的。因此, 實驗3將進一步在不同形狀分組的條件下考察基于運動信息的分組效應。

4.1 被試

招募北京地區(qū)高校40名被試, (其中, 男性11人, 女性29人, 平均年齡22.38 ± 2.89歲)。所有被試裸視或矯正后視力正常。實驗前簽署知情同意書, 實驗后給與相應實驗酬勞。

4.2 儀器與材料

實驗儀器和程序平臺同實驗2。但實驗材料不再固定為實心圓形, 而是根據形狀特征分別采用圓、等腰三角形、正方形和五邊形作為刺激材料。其中, 后三者都是圓的內切幾何圖形(如圖7), 參考圓的直徑仍為30 pixel。實驗中, 目標和非目標所使用的形狀均從以上四種形狀中隨機選擇。實驗中運動客體的平均運動速度為10.2°/s, 與實驗2一致。

4.3 實驗設計

實驗設計同實驗2。除了顏色分組變?yōu)樾螤罘纸M。具體設計可參照表1和圖8。

圖7 實驗備選形狀素材(正式實驗中, 外接圓不顯示)

4.4 實驗程序

實驗過程和參數同實驗2, 但每一試次都更變形狀作為表面特征, 并且在運動結束時同樣采用相同大小的外接黑色實心圓(大小同參考圓, 即直徑30 pixel)進行遮蔽, 避免被試依賴記憶策略來進行選擇。在每種追趕條件中, 三種形狀組合均隨機混合出現(xiàn)。每種組合條件重復20試次, 共完成120試次。整個實驗時間持續(xù)約40分鐘。實驗程序將自動記錄實驗反應數據。

4.5 結果與分析

不同運動信息和形狀組合條件的追蹤準確率如圖9所示。經重復測量方差分析可知, 基于運動信息分組的主效應顯著,(1,39) = 195.52,< 0.001, η= 0.83。這表明, 整體上, 目標與目標配對條件的追蹤準確率要顯著高于目標與非目標配對條件?；谛螤罘纸M的主效應顯著,(2,78) = 241.57,< 0.001, η= 0.86。這表明, 在實驗中不同的形狀分組處理是有效的。兩者的交互作用顯著,(2,78) = 5.23,= 0.007, η= 0.12。這表明, 不同形狀特征分組下的目標與目標配對條件和目標與非目標配對條件的追蹤準確率差異是顯著不同的。

在不同形狀特征分組條件下進行簡單效應檢驗(Bonferroni校正)發(fā)現(xiàn), 目標與非目標形狀相同條件((39) = 13.91,< 0.001, Cohen’s= 2.20), 目標與非目標形狀不同條件((39) = 10.67,< 0.001, Cohen’s= 1.69), 和目標與非目標形狀混合條件((39) = 10.59,< 0.001, Cohen’s= 1.67)下目標與目標配對條件的多目標追蹤準確率均顯著高于目標與非目標配對條件。這表明, 基于運動信息的分組效應穩(wěn)定存在于不同形狀特征分組中。另一方面, 在不同運動信息分組條件下進行簡單效應檢驗(Bonferroni校正)發(fā)現(xiàn), 三種形狀分組條件在目標與目標配對條件中差異顯著,(2,38) = 126.05,< 0.001, η= 0.87。具體為目標與非目標形狀不同條件顯著高于目標與非目標形狀相同條件((39) = 13.58,< 0.001, Cohen’s= 2.15)和目標與非目標形狀混合條件((39) = 15.99,< 0.001, Cohen’s= 2.53)。目標與非目標形狀混合條件與目標與非目標形狀相同條件存在邊緣顯著差異,(39) = –2.38,= 0.067, Cohen’s= –0.38。三種形狀分組條件在目標與非目標配對條件中也差異顯著,(2,38) = 91.63,< 0.001, η= 0.83。具體為目標與非目標形狀不同條件顯著高于目標與非目標形狀相同條件((39) = 13.30,< 0.001, Cohen’s= 2.10)和目標與非目標形狀混合條件((39) = 12.93,< 0.001, Cohen’s= 2.05)。目標與非目標形狀混合條件與目標與非目標形狀相同條件差異顯著,(39) = 2.56,= 0.044, Cohen’s= 0.4。這表明, 特征組合條件下, 目標與非目標形狀不同條件也能夠顯著促進多目標追蹤表現(xiàn), 而目標與非目標形狀混合條件不能促進多目標追蹤表現(xiàn), 甚至還會顯著抑制追蹤表現(xiàn)。即在一定程度上, 形狀特征和運動信息也能夠被同時利用。

圖8 實驗條件示意圖(形狀+運動信息)

圖9 三種形狀分組條件下基于運動分組的追蹤準確率(誤差線為± 1 SE)

此外, 將三種形狀分組條件下的目標與目標配對條件的追蹤成績分別減去其目標與非目標配對條件的追蹤成績, 得到三種形狀分組條件下的目標與目標配對-目標與非目標配對的增益量分別為20.99%, 17.06%, 16.64%。以目標與非目標形狀相同條件下的增益量為基線, 將另兩種增益量與其進行配對樣本檢驗分析發(fā)現(xiàn), 目標與非目標形狀不同條件((39) = –2.41,= 0.021, Cohen’s= –0.38)和目標與非目標形狀混合條件((39) = –3.98,< 0.001, Cohen’s= –0.63)的增益量均顯著低于目標與非目標形狀相同條件。但目標與非目標形狀不同條件和目標與非目標形狀混合條件間的增益量無顯著差異,(39) = –0.25,= 0.803, Cohen’s= –0.04。這說明, 基于運動信息的分組效應雖然穩(wěn)定存在于不同形狀特征分組中, 但其效應量均受表面特征影響而顯著縮減。在形狀分組占優(yōu)勢的情況下, 如目標與非目標形狀不同條件, 因受形狀分組增益而縮減。在形狀分組處劣勢的情況下, 如目標與非目標形狀混合條件, 因受形狀混合干擾而縮減。這與實驗2所得結果相一致。

4.6 小結

在不同形狀組合條件中, 目標與目標配對均比目標與非目標配對更有利于追蹤, 這同樣表明基于運動信息的分組效應是穩(wěn)定的?；谛螤畹姆纸M效應并未干擾基于運動信息的分組效應的形成。但和目標與非目標形狀相同時相比, 形狀特征的存在也顯著縮減了目標與目標配對條件與目標與非目標配對條件間的差異量。因此, 這一方面說明, 基于運動信息的分組效應具有穩(wěn)定性, 即使存在基于形狀的分組效應也仍能發(fā)揮作用。另一方面還說明, 雖然基于形狀的分組效應沒有干擾基于運動信息的分組效應的形成, 但是基于運動信息的分組效應仍受到了形狀特征的影響。實驗3所得結果與實驗2具有一致性, 即基于運動信息的分組效應穩(wěn)定存在于不同顏色或不同形狀條件下, 且均因表面特征的存在而導致基于運動信息的分組效應量縮減。

5 綜合討論

實驗1證明存在基于運動信息的分組效應, 并且這一分組效應是自動化的。實驗2和實驗3分別進一步在不同顏色和不同形狀組合條件下考察了基于運動信息的分組效應的穩(wěn)定性, 結果表明不同表面特征的組合不會干擾基于運動信息的分組效應的形成, 即基于運動信息的分組效應具有穩(wěn)定性, 但其效應量會受到表面特征的影響而縮減。

5.1 多目標追蹤中的分組效應與格式塔法則

當前研究發(fā)現(xiàn)的基于運動信息的自動化分組效應, 與以往研究發(fā)現(xiàn)的基于顏色的分組效應, 基于形狀的分組效應, 基于插補輪廓的分組效應, 以及基于對稱的分組效應等(Erlikhman et al., 2013; Feria, 2012; Howe & Holcombe, 2012b; Keane et al., 2011; Wang et al., 2016)可能都是格式塔法則(Gestalt law)在多目標追蹤中的具體應用。

格式塔法則主要包括連接律(law of Connectedness), 相似律(law of similarity), 閉合律(law of closure), 圖形與背景律(law of figure-ground),對稱律(law of symmetry), 共同命運律(law of common fate)等法則(Wertheimer, 1938)。根據多目標追蹤中發(fā)現(xiàn)的分組效應來看, 不同類型的特征所形成的分組效應似乎都對應著相應的格式塔法則原理。Scholl等(2001)采用的目標合并方法, 將兩個客體相連接, 導致兩個客體被視為一個整體加工。這與格式塔法則中的連接律相似, 相互連接的兩個客體會被組合在一起。Feria (2012), Howe和Holcombe (2012b), 以及Erlikhman等(2013)發(fā)現(xiàn)的基于顏色, 大小, 形狀, 對比度, 立體景深或組合特征等產生的分組效應, 都遵守相似律。也即, 表面特征相似的客體會被組織為一個整體。Keane等(2011)和Erlikhman等(2013)發(fā)現(xiàn)的插補輪廓特征符合閉合律。具有閉合特性的幾個客體會被組織為一個整體。StClair等(2010)發(fā)現(xiàn)當紋理背景運動(texture motion)方向與目標運動方向一致時會促進追蹤表現(xiàn), 反之當與目標運動方向相反時會損害追蹤表現(xiàn)(StClair et al., 2010)。這與圖形與背景律相似, 運動客體整體被視為一個群組, 而背景紋理被視為另一個群組。Wang等(2016)發(fā)現(xiàn)目標與目標對稱時, 追蹤表現(xiàn)要更好, 而目標與非目標對稱時, 追蹤表現(xiàn)則要更差。這與對稱律相似, 相互對稱的物體會被組織在一起。Yantis (1992)發(fā)現(xiàn)目標和非目標之間速度的相對差異可以提高追蹤成績, 即使這種速度差異不能被有意識地感知。Suganuma和Yokosawa (2006)發(fā)現(xiàn)目標與非目標之間出現(xiàn)追趕運動, 平行運動或追蹤運動時均會降低追蹤成績。這兩個研究說明, 速度、位置或者方向等運動信息所導致的共同運動傾向都會形成分組。這與共同命運律相一致。

當前研究也可視為共同命運律的具體體現(xiàn)。當目標自身內部具有共同命運時, 可以利化追蹤。相反, 當目標與非目標間具有共同命運時, 將會阻礙追蹤。因此, 格式塔法則對于研究多目標追蹤中的分組效應而言具有十分重要的啟示意義。

5.2 多目標追蹤中基于運動信息的自動化分組機制

對于分組效應的自動化加工, Keane等(2011)最早發(fā)現(xiàn)插補輪廓特征對多目標追蹤的影響是自動化的, 即在綁定目標和非目標時會損害多目標追蹤表現(xiàn)。Wang等(2016)發(fā)現(xiàn)規(guī)則特征(對稱)在多目標追蹤中同樣也是自動加工的, 當目標與非目標被對稱規(guī)則綁定在對稱位置時, 追蹤表現(xiàn)將會下降。Erlikhman等(2013)則全面地概括了各類自動化加工的表面特征, 將影響多目標追蹤的特征類型暫且劃分為四類。第一類是與追蹤不相關的特征(irrelevant),如朝向。但這一朝向是靜止的, 不是運動方向。事實上, 朝向也并非完全與追蹤任務無關(Keane et al., 2011)。第二類是自主加工特征(voluntary), 如立體景深和對比度。此類特征能夠在目標內部成一組時促進多目標追蹤表現(xiàn), 但在目標與非目標成一組時并不會損害多目標追蹤表現(xiàn)。第三類是自動但不形成分組的加工特征(automatic nongrouping features), 如大小。此類特征能夠自動在目標內部形成分組, 但不能自動在目標與非目標間形成分組。即這類特征在目標與非目標間共享時, 只是破壞了目標內部的統(tǒng)一性, 但是不會把共享同一特征的目標與非目標劃分為一個分組。第四類是自動分組的加工特征(automatic grouping features), 如顏色, 形狀, 特征組合, 插補。此類特征的出現(xiàn)會被自動加工, 無論是出現(xiàn)在目標內部, 還是出現(xiàn)在目標與非目標間。本研究中的共同運動信息即屬于自動分組的加工特征, 而其涉及的內部認知機制在以往研究中并未得到直接且充分的闡述。因此, 多目標追蹤中基于運動信息的自動化分組機制目前尚未有統(tǒng)一的理論可以作出確切解釋。

本研究認為基于運動信息的分組效應這一自動化加工機制需要綜合視覺索引理論(Visual Index Theory), 分組假設(Grouping)和視覺工作記憶理論等來進行闡述。首先, 根據Pylyshyn提出的視覺索引理論(Pylyshyn, 1989; Pylyshyn, 2001), 在前注意階段視覺索引系統(tǒng)會預分配一定數額的視覺索引標簽來個體化(Individuation)待追蹤的視覺客體。即對于三種運動條件(目標與目標配對, 目標與非目標配對和隨機無配對)而言, 每種條件在運動開始前均分配有六個視覺索引標簽。視覺索引標簽還具有一定的黏性, 在被分配給視覺客體后, 將“黏”在視覺客體上, 并能隨環(huán)境變化而保持不變。此后, 當各個客體開始運動時, 根據Yantis (1992)提出的分組(Grouping)假設推測, 觀察者在多目標追蹤中會有意識地將各個追蹤目標組成一個更高水平的虛擬多邊形。這一虛擬多邊形對象的頂點分別對應各個追蹤目標, 即多目標追蹤過程實質上轉換成了持續(xù)加工一個形狀不斷變化的虛擬多邊形對象的過程。因此, 當客體運動呈現(xiàn)出配對追趕狀態(tài)時, 視覺系統(tǒng)會根據格式塔知覺組織原理自動化的將前后追趕的運動客體組成共同命運的視覺客體。如當在目標內部形成分組時, 前后目標因共同方向和相同速度具有了共同命運(common fate)被組成共同命運的視覺客體。而當在目標與非目標間形成分組時, 前面的目標和后面的非目標因共同命運被組成共同命運的視覺客體。當共同命運的視覺客體形成時, 前后客體的運動信息隨之被共享, 而這些運動信息都存儲在視覺工作記憶中。從視覺工作記憶的角度而言, 當目標與非目標共享特征時會導致多目標追蹤表現(xiàn)下降(Horowitz et al., 2007; Makovski & Jiang, 2009a, 2009b), 但當目標與非目標不共享特征時會促進多目標追蹤表現(xiàn)(Feria, 2012; Howe & Holcombe, 2012b)。這是因為目標與非目標間共享特征會損害特征的獨立性, 且這一損害并非是視覺差異導致, 而是來源自工作記憶混亂, 損害了視覺客體的獨特身份信息, 無法進行丟失后尋回(Makovski & Jiang, 2009a, 2009b)。這還與Scholl等(2001)采用目標合并(target merging)方法組合兩個視覺目標的情形類似, 雖然合并方式不同, 但都導致了視覺客體的分組, 都損害了視覺索引標簽的獨立性。因此, 當目標內部形成分組時, 觀察者可以根據視覺工作記憶中存儲的引領目標的方位信息來反向搜索出被引領目標的方位信息, 而在目標與非目標間形成分組時, 觀察者則無法再根據視覺工作記憶中存儲的引領目標的方位信息來進行反向搜索。除此之外, 這兩種運動條件在視覺工作記憶中所存儲的運動信息的負荷也可能是不相同的。理想情況下, 在目標內部分組時, 前后目標共用運動信息, 即兩個目標可以存儲相同的運動信息, 而在目標與非目標間分組時, 則需要分別為每個目標存儲獨立且不同的運動信息。即在時空信息的更新和維持上, 目標內部分組可能要優(yōu)于目標與非目標間分組。最后, 對非目標的抑制也有所不同。在目標內部分組條件中, 非目標與目標不共享運動信息, 抑制非目標不會干擾到目標的記憶信息。而相反, 在目標與非目標間分組條件中, 非目標與目標共享運動信息, 抑制非目標則會干擾到目標的記憶信息。

綜上可推測, 基于運動信息分組的多目標追蹤過程首先在前注意階段被分配視覺索引標簽, 之后在運動過程中根據格式塔知覺組織原理自動進行分組并形成具有共同命運的視覺客體。在形成分組的同時, 各個目標的運動信息也被存儲到視覺工作記憶空間。當目標內部形成分組時, 目標與非目標不共享運動信息, 觀察者一方面可以依賴共同命運來檢索丟失目標, 另一方面存儲的目標運動信息負荷也相對減小。而當目標與非目標間形成分組時, 目標與非目標共享運動信息, 這導致無法依賴共同命運來檢索丟失目標, 也增大了視覺工作記憶的負荷, 還損害了各個運動客體的視覺獨特性。以上結果僅論述了多目標追蹤中基于運動信息的自動化分組的內部認知機制, 而對其涉及的認知神經機制尚待進一步探討。

5.3 多目標追蹤中表面特征對基于運動信息的分組效應的影響

以往研究大多單獨考察單一特征下的多目標追蹤表現(xiàn), 如Suganuma和Yokosawa (2006)探討了單一的時空特征對多目標追蹤的影響。Makovski和Jiang (2009b)采用顏色特征作為操作變量, 考察了獨特身份的工作記憶在多目標追蹤中的作用。Keane等(2011)發(fā)現(xiàn)插補輪廓特征對多目標追蹤的自動化影響。Feria (2012)通過操縱目標和非目標間的顏色特征相似性來分析分心物是如何影響多目標追蹤表現(xiàn)的。Erlikhman等(2013)雖然考察了大量的表面特征, 但其對每一種特征的分析都是獨立的, 并未過多涉及到多種特征之間的相互影響。嚴格來說, 雖然以上這些研究都只考察了單一的特征, 但從另一種角度而言, 這些單一的表面特征都導致了多目標追蹤表現(xiàn)的變化。也即, 表面特征確實影響了多目標追蹤中運動信息的利用。也有較少的研究涉及特征之間相互影響, 如Howe和Holcombe (2012b)則通過改變顏色特征和大小特征的組合形式發(fā)現(xiàn), 當組合特征不與非目標共享任一特征時, 組合特征可以用于促進多目標追蹤表現(xiàn)。反之, 若兩者共享某一特征時, 組合特征會損害多目標追蹤表現(xiàn)。Wang等(2016)在考察基于規(guī)則特征(對稱)的分組效應時, 發(fā)現(xiàn)了規(guī)則特征和表面特征之間存在可加性, 但兩個表面特征之間不存在可加性。這表明相同類型的特征之間可能存在相互干擾。

當前研究分別考察了顏色特征和形狀特征作為表面特征時對基于運動信息的分組效應的影響, 結果發(fā)現(xiàn)兩種表面特征雖然沒有干擾基于運動信息的分組效應的形成, 但是表面特征的出現(xiàn)顯著縮減了基于運動信息的分組效應。這暗示著在多目標追蹤中, 運動信息可能和顏色、形狀此類表面特征同屬于一類特征類型。此外, Suganuma和Yokosawa (2006)與Fencsik等(2007)發(fā)現(xiàn)運動信息會被儲存在視覺工作記憶中, 而Makovski和Jiang (2009b)的研究則發(fā)現(xiàn)表面特征的信息也會被儲存在視覺工作記憶中。因此, 多目標追蹤中, 表面特征影響運動信息的分組效應的認知機制可能源自于工作記憶之間的相互占用和相互干擾。

6 結論與展望

本研究發(fā)現(xiàn)了基于運動信息的自動化分組效應, 并且這一效應在不同表面特征(顏色和形狀)下均穩(wěn)定存在。這與格式塔法則中的共同命運規(guī)律相對應。此外, 表面特征雖然不會干擾基于運動信息的分組效應的形成, 但會顯著縮減該分組效應的效應量, 即表面特征和運動信息可能共享視覺工作記憶成分。

未來研究建議進一步探討基于運動信息分組效應的神經機制, 了解基于時空特性的分組效應與基于表面特征的分組效應之間的腦功能差異。同時, 對多目標追蹤中的不同類型特征之間的相互影響關系也應更多關注。最后, 還可以進一步拓展探索格式塔法則在多目標追蹤中的作用及其認知機制。

Brainard, D. H. (1997). The psychophysics toolbox.(4), 433–436.

Erlikhman, G., Keane, B. P., Mettler, E., Horowitz, T. S., & Kellman, P. J. (2013). Automatic feature-based grouping during multiple object tracking.(6), 1625–1637.

Fencsik, D. E., Horowitz, T. S., Kliege, S. B., & Wolf, J. M. (2004). Target reacquisition strategies in multiple object tracking.(8), 370–370.

Fencsik, D. E., Klieger, S. B., & Horowitz, T. S. (2007). The role of location and motion information in the tracking and recovery of moving objects.(4), 567–577.

Feria, C. S. (2012). The effects of distractors in multiple object tracking are modulated by the similarity of distractor and target features.(3), 287–304.

Feria, C. S. (2013). Speed has an effect on multiple-object tracking independently of the number of close encounters between targets and distractors.(1), 53–67.

Franconeri, S. L., Pylyshyn, Z. W., & Scholl, B. J. (2012). A simple proximity heuristic allows tracking of multiple objects through occlusion.(4), 691–702.

Holcombe, A. O., Chen, W. Y., & Howe, P. D. (2014). Object tracking: Absence of long-range spatial interference supports resource theories.(6), 1–1.

Horowitz, T. S., Birnkrant, R. S., Fencsik, D. E., Tran, L., & Wolfe, J. M. (2006). How do we track invisible objects?(3), 516–523.

Horowitz, T. S., & Cohen, M. A. (2010). Direction information in multiple object tracking is limited by a graded resource.(7), 1765–1775.

Horowitz, T. S., Klieger, S. B., Fencsik, D. E., Yang, K. K., Alvarez, G. A., & Wolfe, J. M. (2007). Tracking unique objects.(2), 172–184.

Howe, P. D. L., & Holcombe, A. O. (2012a). Motion information is sometimes used as an aid to the visual tracking of objects.(13), 1–10.

Howe, P. D. L., & Holcombe, A. O. (2012b). The effect of visual distinctiveness on multiple object tracking performance., 307–307.

Hu, L. M., Lyu, C., Zhang, X. M., & Wei, L. Q. (2018). The effect of identity switch in multiple identity tracking.(1), 9–27.

[胡路明, 呂創(chuàng), 張學民, 魏柳青. (2018). 身份交換對多身份追蹤表現(xiàn)的影響.(1), 9–27.]

Huff, M., Meyerhoff, H. S., Papenmeier, F., & Jahn, G. (2010). Spatial updating of dynamic scenes: Tracking multiple invisible objects across viewpoint changes.(3), 628–636.

Keane, B. P., Mettler, E., Tsoi, V., & Kellman, P. J. (2011). Attentional signatures of perception: Multiple object tracking reveals the automaticity of contour interpolation.(3), 685–698.

Keane, B. P., & Pylyshyn, Z. W. (2006). Is motion extrapolation employed in multiple object tracking? Tracking as a low- level, non-predictive function.(4), 346–368.

Lei, H. Y., Wei, L. Q., Lyu, C., Zhang, X. M., & Yan, X. Q. (2016). Expression-based Grouping in Multiple Identity Tracking., 141–152.

[雷寰宇, 魏柳青, 呂創(chuàng), 張學民, 閆曉倩. (2016). 多身份追蹤中基于表情特征的分組效應.(2), 1–12.]

Luu, T., & Howe, P. D. (2015). Extrapolation occurs in multiple object tracking when eye movements are controlled.(6), 1919–1929.

Lyu, C., Hu, S., Wei, L., Zhang, X., & Talhelm, T. (2015). Brain activation of identity switching in multiple identity tracking task.(12), e0145489.

Makovski, T., & Jiang, Y. V. (2009a). Feature binding in attentive tracking of distinct objects.(1-2), 180–194.

Makovski, T., & Jiang, Y. V. (2009b). The role of visual working memory in attentive tracking of unique objects.(6), 1687–1697.

Oksama, L., & Hy?n?, J. (2004). Is multiple object tracking carried out automatically by an early vision mechanism independent of higher‐order cognition? An individual difference approach.(5), 631–671.

Pelli, D. G. (1997). The VideoToolbox software for visual psychophysics: Transforming numbers into movies.(4), 437–442.

Pylyshyn, Z. W. (2001). Visual indexes, preconceptual objects, and situated vision.(1-2), 127–158.

Pylyshyn, Z. W., & Storm, R. W. (1988). Tracking multiple independent targets: Evidence for a parallel tracking mechanism.(3), 179–197.

Pylyshyn, Z. (1989). The role of location indexes in spatial perception: A sketch of the FINST spatial-index model.(1), 65–97.

Pylyshyn, Z. W. (2004). Some puzzling findings in multiple object tracking: I. Tracking without keeping track of object identities.(7), 801–822.

Scholl, B. J., & Pylyshyn, Z. W. (1999). Tracking multiple items through occlusion: Clues to visual objecthood.(2), 259–290.

Scholl, B. J., Pylyshyn, Z. W., & Feldman, J. (2001). What is a visual object? Evidence from target merging in multiple object tracking.(1-2), 159–177.

StClair, R., Huff, M., & Seiffert, A. E. (2010). Conflicting motion information impairs multiple object tracking.(4), 1–13.

Suganuma, M., & Yokosawa, K. (2006). Grouping and trajectory storage in multiple object tracking: Impairments due to common item motions.(4), 483–495.

Wang, C. D., Zhang, X. M., Li, Y. N., & Lyu, C. (2016). Additivity of feature-based and symmetry-based grouping effects in multiple object tracking., 657–657.

Wei, L. Q., Zhang, X. M., Chuang, L., & Zhen, L. (2016). The categorical distinction between targets and distractors facilitates tracking in multiple identity tracking task., 589–589.

Wertheimer, M. (1938). Laws of organization in perceptual forms. In W. D. Ellis (Ed.),(pp. 71–88). London, England: Kegan Paul, Trench, Trubner and Company.

Yantis, S. (1992). Multielement visual tracking: Attention and perceptual organization.(3), 295–340.

Zhang, X. M., Lu, X. M., & Wei, L. Q. (2011). The selective inhibition effects of changing the number of targets and nontargets on multiple object tracking.(6), 1295–1301.

[張學民, 魯學明, 魏柳青. (2011). 目標與非目標數量變化對多目標追蹤的選擇性抑制效應.(6), 1295–1301.]

Zhang, X-M., Yao, L., & Lu, X-M. (2008). The role of location and trajectory information in the recovery of moving objects.(1), 1–7.

[張學民, 姚林, 魯學明. (2008). 位置和軌跡信息在短暫消失目標復原過程中的作用.(1), 1–7.]

The grouping effect of common fate in multiple object tracking

HU Luming; SU Jing; WEI Liuqing; ZHANG Xuemin

(Beijing Key Laboratory of Applied Experimental Psychology; National Demonstration Center for Experimental Psychology Education (Beijing Normal University); Faculty of Psychology, Beijing Normal University;State Key Laboratory of Cognitive Neuroscience and Learning, Beijing Normal University, Beijing 100875, China)

The automatic grouping effect is the finding that inter-target grouping improves performance, while target-distractor grouping impairs performance during multiple object tracking (MOT). Many features can induce the automatic grouping effect, such as color, shape, interpolation, and symmetry. However, none of these features are spatial-temporal. Motion information is the principal spatial-temporal feature, and it plays an important role in multiple object tracking (MOT). Using motion information stored in visual spatial working memory (VSWM), people can not only keep track of multiple moving targets among identical distractors, but also periodically extrapolate the motion trajectory of targets. We investigated whether or not participants can use motion information as the basis of the automatic grouping effect just as they can with other feature (e.g. color, shape) during attention tracking.

To test this question, we used classic random motion as the baseline and added two new types of chasing motion in MOT tasks. One chasing motion condition was target-chase-target; the other chasing motion condition was distractor-chase-target. Given that surface features can influence the grouping effect based on motion information, we next tested the motion-based grouping effect in a condition where targets and distractors are assigned different color combinations (Experiment 2) and different shape combinations (Experiment 3). The different color combinations included identical color between targets and distractors, distinct colors between targets and distractors, and mixed colors between targets and distractors. The shape combinations were analogous to the color combinations.

Results of Experiment 1 showed that, compared to the random motion condition, tracking performance was better when targets chased targets and worse when distractors chased targets. In other words, motion information can be used as an automatic grouping cue. Results of Experiment 2 indicated that the tracking performance in the target-chase-target condition was always better than the distractor-chase-target condition when colors were identical, distinct, or mixed. However, compared with the identical color condition, the difference between chasing conditions (target-chase-target condition minus distractor-chase-target condition) was smaller in both the distinct color condition and the mixed color condition. When Experiment 3 varied the surface feature from color to shape, the results were the same as Experiment 2. The surface feature (i.e., color and shape) did not eliminate the motion-based grouping effect, but it did reduce the difference between the target-chase-target condition and distractor-chase-target condition.

From these results, we can conclude that motion information can be used in multiple object tracking and may be an automatic grouping feature. This suggests that spatial-temporal features can also induce automatic grouping, regardless of the effect of surface feature in MOT tasks. It may also imply that, although motion information is encoded automatically and in parallel during tracking, it may share visual spatial working memory resources with surface feature. Finally, motion-based grouping effect in MOT showed that the gestalt law was embodied in attentive tracking.

multiple object tracking; common fate; motion information; grouping effect

10.3724/SP.J.1041.2018.01235

2017-12-11

* 國家自然科學基金項目“多目標視覺追蹤中注意分配的認知神經機制研究” (批準號：31271083)和國家自然科學基金重點項目“注意神經機制的可計算模型研究” (批準號：61632014)資助。

張學民, E-mail: xmzhang@bnu.edu.cn

B842