PsyBrain 脑心前沿 / AI 与脑科学：顶刊文献解读专题 / A · 文献解读 / A027 · 从人脑到AI视觉，“特征绑定”为什么仍是看懂世界的关键

A027 从人脑到AI视觉，“特征绑定”为什么仍是看懂世界的关键

来源：公众号 PSY-Brain_Frontier ｜发布：2026-03-26 ｜原文链接

一键关注，点亮星标 ⭐️ 前沿不走丢！

认知神经科学前沿文献分享

基本信息

Title:Feature binding in biological and artificial vision

发表时间：2026.3.1

发表期刊: Trends in Cognitive Sciences

影响因子：15.9

获取原文：

*添加小助手:*PSY-Brain-Frontier即可获取PDF版本
点击页面底部“阅读原文”即可跳转论文原网页

引言

我们看到的世界，从来不是孤立的颜色、边缘和动作，而是一个个有边界、有归属的完整对象。比如在人群中，有人抬手做了一个手势，视觉系统不仅要识别“这里有一只手”，还要进一步判断“这只手属于谁”。这类把分散特征整合到同一对象上的过程，就是特征绑定（feature binding）问题。

围绕这个问题，认知神经科学已经讨论了很多年，但争议并没有结束。近期，Scholte和de Haan提出不同看法，认为视觉脑区的功能专门化没有传统观点说得那么强，而且由于对象特征的神经编码高度分布，很多绑定难题可能被夸大了。Roelfsema和Serre这篇回应文章正是对这一判断的集中反驳。文章的重点不在于重复旧结论，而是把生物视觉和人工视觉放到同一个讨论框架中：一方面，作者重新梳理了视觉皮层专门化的经典证据；另一方面，他们也指出，深度神经网络并没有真正绕开绑定问题。恰恰相反，越是想在复杂、开放、拥挤的场景里稳定识别对象，无论是人脑还是人工系统，都越需要某种能够完成“归属判定”的机制。

实验设计与方法逻辑

作者围绕“视觉系统是否真的需要绑定机制”这一核心问题，先对视觉皮层功能专门化的证据进行再评估，再借助人群中识别手势发出者的情境说明“基础组合（base-groupings）”在开放场景中的局限，随后引入对象性注意（object-based attention）作为渐进式绑定框架，并结合卷积神经网络（CNNs）、Transformer和视觉-语言模型（vision-language models, VLMs）的表现，说明灵活视觉理解依然依赖显式或功能等价的绑定过程。

核心发现

视觉皮层的功能专门化并没有被推翻

作者认为，仅凭卒中病灶研究中“中层视觉区损伤与知觉缺陷关联不强”这一结果，并不足以否定视觉脑区的专门化，因为这类病灶边界不清、个体差异大，也未必覆盖关键区域。相比之下，更可控的证据更有说服力：例如MT区损伤或电刺激会特异性影响运动知觉，面孔加工区神经元则表现出明显的面孔选择性，局部干预还能改变面孔感知。读者要抓住的重点是，视觉皮层确实存在稳定而可检验的功能偏向，这为后文讨论绑定为何仍必要打下了基础。

预设好的“特征组合”无法覆盖真实世界的复杂组合

文章最有画面感的论证来自Figure 1A：在人群里看到一只手做出手势，真正困难的不是识别“手势”本身，而是把这只手和正确的脸对应起来。作者借此指出，如果依赖预先写好的“某个人+某个动作”式神经编码，系统就必须面对组合数量迅速膨胀的问题。即便某些特征经常一起出现，也不足以覆盖开放环境中几乎任意都可能发生的搭配。

Figure 1. Binding with object-based attention.

对象性注意不是附加装置

而是绑定形成的过程本身

Figure 1B进一步说明，作者更支持一种渐进式的绑定机制：对象性注意会从最关键的局部线索出发，沿着手、手臂、躯干一路扩展到面孔，把属于同一对象的特征逐步连成整体。这里最值得关注的是图中的时间轴，它强调绑定往往不是瞬时完成的，而是一个需要时间展开的分组过程。人类视觉中的“整体对象”并不是天然附着在输入上的结果，而是在注意选择与神经活动增强中逐步建立起来的，这也是灵活知觉能够成立的关键。

人工视觉的发展，反而再次证明绑定不可缺席

文章并没有把绑定问题局限在人脑讨论里，而是进一步指出，人工视觉系统同样离不开绑定。无论是依赖候选区域机制的Mask R-CNN，还是依赖注意力机制的Transformer模型，本质上都在通过某种方式把分散特征组织成对象。作者特别强调，一旦去掉这类机制，CNN在简单视觉推理任务上都可能明显吃力；而在绑定更困难的场景里，先进模型的性能下降甚至可能比人类更明显。

归纳总结和点评

这篇文章的价值，在于它没有把“分布式表征”和“特征绑定”设定成非此即彼的对立关系，而是指出两者恰恰可以同时成立：表征可以分布，但对象归属依然需要专门机制来完成。作者通过视觉神经科学证据、概念图示和人工视觉模型的局限，把一个常被说得很抽象的问题重新讲清楚了。更可贵的是，这篇短文把人脑研究与AI研究放在相互校验的位置上，让“老问题”重新获得了新的解释力。

分享人：BQ

审核：PsyBrain 脑心前沿编辑部

💡 关于我们

👋 你好，这里是「PsyBrain 脑心前沿」

🧠 专注追踪全球认知神经科学的最尖端突破

🔍视野直击 Nature, Science, Cell 正刊及 Nat Neurosci, Nat Hum Behav, Neuron, Sci Adv 等核心子刊与顶级大刊

📄 每日速递「深度解读」与「前沿快讯」，为你打破信息差

科研是一场探索未知的长跑，但你无需独行。欢迎志同道合的你加入 PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。

👇点击卡片进群，欢迎你的到来👇