PsyBrain 脑心前沿 / 感知觉与注意：顶刊文献解读专题 / A · 文献解读 / A049 · NatureNeuroscience视觉神经元到底更偏爱

A049 Nature Neuroscience | 视觉神经元到底更偏爱“纹理”还是“物体”？

来源：公众号 PSY-Brain_Frontier ｜发布：2026-03-17 ｜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:Neuronal tuning aligns dynamically with object and texture manifolds across the visual hierarchy

发表时间：2026.3.10

发表期刊: Nature Neuroscience

影响因子：19.5

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

我们常常默认，视觉神经元的工作方式是“见到什么就对应什么”：看到边缘，就激活边缘检测；看到人脸，就激活人脸相关细胞。这个框架在初级视皮层（V1）里还能成立，因为很多经典研究已经证明，那里不少神经元确实对方向、轮廓这类简单特征敏感。

但问题是，沿着腹侧视觉通路继续往后走，事情就没那么直观了。很多神经元会同时对语义上毫不相干的图像产生强烈反应，比如某个神经元可能既喜欢昆虫，也喜欢桥梁，甚至还喜欢一辆卡车。这样一来，单纯用“它在编码某个具体物体”来解释，显然就不够了。

这篇文章想回答的，正是视觉神经元究竟优先提取什么信息。作者没有继续沿用人为设定刺激的传统办法，而是把生成模型（generative models）引入神经生理实验，让神经元自己“挑图”。他们比较了两类图像空间：一类偏向纹理与局部统计结构，另一类偏向清晰、逼真的物体形态。核心问题不是哪张图更好看，而是不同视觉脑区的神经元，究竟更容易在什么样的图像流形（manifold）上被驱动到高反应。更重要的是，作者不仅看最终反应强不强，还看优化过程快不快、是否容易成功，以及这种偏好会不会随时间发生变化。

这个设计让研究从“神经元喜欢什么图”推进到了“神经元如何在不同视觉语言中寻找最优刺激”。

实验设计与方法逻辑

作者在猕猴的 V1、V4 和后部下颞皮层（posterior inferotemporal cortex, PIT）记录神经活动，让神经元在闭环优化（closed-loop optimization）中分别引导两类生成器搜索高激活图像：DeePSim 代表偏纹理的图像空间，BigGAN 代表偏物体的图像空间。研究随后从三个层面比较“对齐”程度：优化是否容易成功、优化前后激活水平如何变化、达到高反应的速度谁更快；再结合时间分辨的反应曲线与 BigGAN 潜在空间中的调谐地形，追问这种对齐究竟是静态的还是动态展开的。

Fig. 1 | Texture and object image manifolds as parameterized by DeePSim and BigGAN.

核心发现

同一个神经元可以接受两种“长相不同”的最优图

但关键是局部特征相通

论文最有意思的起点，是神经元能同时引导 DeePSim 和 BigGAN 生成高激活图像。图 2 和图 3 说明，这两类优化图在整体外观上往往差异很大：一个更像纹理拼贴，一个更像物体照片，但它们在局部区域上常共享某些关键线索。作者用归因掩膜和感知相似性分析证明，同一记录位点配对得到的图像，更像是在重复利用同一种局部视觉母题，而不是分别编码两个毫不相干的对象。读图时真正要抓住的，不是“这像不像某个东西”，而是神经元真正偏爱的，可能是可在不同场景中反复出现的局部结构。

Fig. 2 | Example of a successful paired evolution from an inferotemporal cortex site.

图10

Fig. 3 | Optimized images showed local feature similarity.

从 V1、V4 到 PIT，神经调谐对纹理和物体空间的对齐关系逐级变化

图 4 是全文最关键的一张总结图。作者把“对齐”拆成优化成功率、最终激活强度和收敛速度三个指标，结果发现，V1 和 V4 更容易在 DeePSim 这类纹理空间里被推到高反应，说明这些区域的调谐与纹理式表征更贴近；但到了 PIT，BigGAN 与 DeePSim 的表现已经接近，优化成功率和最终激活差距显著缩小。这张图值得重点看，因为它把“高阶视觉区更偏物体”这个直觉，改写成了一个更细的结论：高阶区并不是抛弃纹理，而是在保留局部特征敏感性的同时，逐步增强了对物体流形（object manifold）的可导航性。

图11

图12

Fig. 4 | Differential alignment with DeePSim and BigGAN across the ventral hierarchy.

PIT 对物体空间的优势

出现在反应后段而不是刺激刚出现时

如果只看平均放电强度，很容易以为 PIT 对两种空间“差不多都行”。但图 5 把时间维度加进来后，故事明显变了。作者把刺激后不同时窗的反应拆开分析，发现 PIT 在早期时间窗更容易被纹理型图像拉起来，而到了较晚阶段，BigGAN 生成的物体型图像反而占优。也就是说，PIT 的物体相关对齐不是一开始就压过纹理，而是随着反应展开逐步显现。这一点非常重要，因为它提示高级视觉表征并非一次性完成，而可能经历了从局部线索到更完整物体结构的动态整合过程。

图13

图14

图15

Fig. 5 | Object space preferentially activated late responses in PIT neurons.

神经元的调谐曲线不是固定模板

钟形还是斜坡取决于你离峰值有多近

图 6 进一步把问题从“神经元喜欢什么”推进到“它的偏好地形长什么样”。作者在 BigGAN 潜在空间中沿多个正交方向采样，发现如果此前优化已经较成功，那么沿这些方向测得的调谐曲线更常呈钟形，峰值也更靠近采样中心；而当优化不够成功时，曲线更容易表现为斜坡状甚至较平坦。读这张图时要抓住一点：所谓“神经元是钟形调谐还是单调调谐”，并不是一个脱离情境的固定属性，它取决于实验采样有没有真正靠近该神经元的偏好峰。这个结果也让我们对高维视觉表征的理解更接近真实状态。

图16

图17

Fig. 6 | Geometry of tuning landscapes in BigGAN latent space.

图18

归纳总结和点评

这项研究把生成模型、闭环神经生理和时间动态分析真正结合了起来，回答的不是“神经元更喜欢纹理还是物体”这样一个二选一问题，而是揭示了这种偏好会随视觉层级和反应时间共同变化。更可贵的是，作者没有把 PIT 简化成“物体区”，而是指出它既保留对局部视觉母题的敏感，也在晚期反应中更好地对齐物体结构。这个结论对理解腹侧通路编码原则，以及反思当前计算机视觉模型与生物视觉之间的差距，都很有启发性。

图19