3.3: Preguntas

Capítulo 3 Preguntas

1. Diferenciar entre sensores pasivos y activos.

2. ¿Cuál es la energía en un fotón?

3. ¿En qué se asemejan la quimio-recepción y la fotorecepción?

4. Describir las tres imperfecciones más significativas en los sistemas de visión biológica y qué las causa.

5. Discutir la relación entre conectividad y agudeza espacial y temporal

6. ¿Qué es la codificación gruesa?

7. ¿Cuáles son los tres dominios de información en los que los sistemas de visión extraen información ambiental?

8. Describir los tres diseños principales de ojos compuestos.

9. Dar algunos ejemplos de sistemas de escaneo visual en el reino animal. ¿Cuáles son las ventajas y desventajas de un sistema de este tipo?

10. ¿Por qué la retina se considera una parte del cerebro, ya que los dos órganos están separados por la distancia y otros componentes (nervio óptico, LGN, etc.)?

11. ¿Cuáles son las similitudes anatómicas entre la retina, la LGN y el cerebro?

12. Explicar la dualidad serial/planar que existe en los sistemas de visión biológica.

13. Describir los niveles de codificación y decodificación (en órdenes de magnitud) en los diversos órganos dentro del sistema de visión de primates.

14. Nombra los cinco tipos principales de células (capas) en la retina. ¿Cuáles tres están conectados a la sinapsis de la tríada?

15 Dar los tres canales primarios de información de la visión en la visión de primates.

16. Los filtros DOg o LoG se utilizan principalmente para modelar qué parte del sistema de visión?

17. ¿Cuáles son los puntos en común en los modelos de visión de color en cuanto a luminancia y color?

18. ¿Qué es el mosaico fotorreceptor, y cómo es eso como un mosaico artístico?

19. ¿Cuál es la diferencia entre los filtros LoG y DOG?

20. ¿Discutir grados de libertad con los filtros LoG y DOG?

21. Compara y contrasta las vías del sistema de visión con un banco de filtros ondículas convencional.

22. ¿Cómo se manifiesta la codificación gruesa en el sistema de visión?

23. Al contemplar un nuevo esquema de codificación de comunicación, es muy importante elegir una base ortogonal. Pero un conjunto biológico típico de funciones básicas no son mutuamente ortogonales. ¿Cuál es la implicación?

24. ¿Por qué estamos tan interesados en la biología si las funciones de base natural no son ortogonales?

Capítulo 3 Referencias:

[Boyn60] Boynton, R., “Teoría de la visión del color”, Revista de la OSA, Vol. 50, Núm. 10, pp. 929—944, 1960.

[Brooks18] Brooks, G., “Filtros basados en gaussianos para elemento de retardo de detector de movimiento elemental: Modelado de vías espacio-temporales con detección de movimiento elemental”, IEEE Research and Applications of Photonics in Defense, Shalimar, Florida, 2018.

[Chittka96] Chittka, L., “Conjuntos óptimos de receptores de color y procesamiento oponente para la codificación de objetos naturales en la visión de insectos”, Journal of Theoretical Biology, Vol. 181, pp. 179—196, 1996.

[Daug88] Daugman, J., “Completa discreta 2-D Gabor transforma por redes neuronales para análisis y compresión de imágenes”, IEEE Trans. Sobre el Procesamiento Acústico, del Habla y de la Señal, Vol. 36, Núm. 7, 1988.

[Del94] Delbruck, T. y Mead, C., “Fotorreceptor analógico VLSI adaptativo, logarítmico, amplio rango dinámico”, IEEE Int. Symp. Circuits Syst, pp. 339—342, 1994.

[DeV88] Devalois, R. y Devalois, K., Spatial Vision, Oxford University Press, Nueva York, 1988.

[DeV96] Devalois, R. y Devalois, K., “Sobre 'Un modelo de color de tres etapas'”, Vision Research, Vol. 36, núm. 6, pp. 833—836, 1996.

[Dowl87] Dowling, J. E., La retina: una parte accesible del cerebro, Harvard University Press, Cambridge, Massachusetts, 1987.

[Dup18] Dubeyroux, J., et al., M ² APIX: un sensor visual autoadaptativo bioinspirado para una estimación robusta de la altura del suelo, IEEE, ISBN: 978-1-5386-4881-0, 2018.

[Giak18] Giakos, G., et al., “Integración de los principios de visión bioinspirados hacia el diseño de sistemas autónomos de orientación, navegación y control”, 9th Int. Con. en Información, Inteligencia, Sistemas y App. (IISA), pp. 1—8, DOI: 10.1109/IISA.2018.8633643, 2018.

[Guth91] Guth, L. S., “Modelo para la visión del color y la adaptación a la luz”, Revista de la Sociedad Óptica de América, Vol. 8, núm. 6, 1991.

[Guth96] Guth, L. S., “Comentarios sobre 'Un modelo multietápico de color'”, Vision Research, Vol. 36, núm. 6, pp. 831—833, 1996.

[Hass56] Hassenstein, B. y Reichardt, W., “Systemtheoretische Analyse der Zeit-, Reihenfolgen und Vorzeichenauswertung bei der Bewegungsperzeption des Russelkafers Chlorophanus”, Zeitsschrift fur Naturforschung, Teil B, Vol. 11, pp. 513—524, 1956.

[Lee18] Lee, S., et al., “Foveated retinal optimization for vere-through near-eye multi-layer displays”, IEEE Access, DOI: 10.1109/ACCESS.2017.2782219, 14 de febrero de 2018.

[LiU15a] Capítulo 3, “Retinas de silicio”, en Liu, S., et al., Event-based Neuromorphic Systems, John Wiley & Sons, ISBN: 978-0470018491, 2015.

[LiU15b] Capítulo 4, “Cócleas de Silicio”, en Liu, S., et al., Event-based Neuromorphic Systems, John Wiley & Sons, ISBN: 978-0470018491, 2015.

[Lyon89] Lyon, R. y Mead, C., Ch 16 “Cóclea electrónica”, en Mead, C, Ed., VLSI analógico y sistemas neuronales, Addison-Wesley, ISBN: 0-201-05992-4, 1989.

[Maf15] Mafrica, S., et al., “A bio-inspired analog silicon retina with Michaelis-Menten auto-adaptables pixels sensibles a pequeños y grandes cambios en la luz”, Optics Express, Vol. 23, No. 5, p. 5614, 2015.

[Maha89] Mahawald, M. y Mead, C., Ch 15 “Silicon Retina”, en Mead, C, Ed., VLSI analógico y sistemas neuronales, Addison-Wesley, ISBN: 0-201-05992-4, 1989.

[Maha91] Mahawald, M., “Silicon retinal with adaptive fotorreceptors”, SPIE Visual Information Processing: From Neurons to Chips, Vol. 1473, No. 4, Orlando, abril de 1991.

[Marr82] Marr, D., Vision, W. H. Freeman and Company, Nueva York, 1982.

[Mart94] Martínez-Uriegas, E., “Multiplexación cromática-acromática en la visión del color humano”, en Kelly, D., Ed., Ciencia visual e ingeniería: modelos y aplicaciones, Marcel Dekker, Inc., 1994.

[Rob20] Robertson, J., et al., “Hacia redes fotónicas neuromórficas de neuronas puntiagudas ultrarrápidas”, IEEE Journal of Selected Topics in Quantum Electronics, Vol. 26, núm. 1, 2020.

[Roub12] Roubieu, F. L., Serres, J., Franceschini, N., Ruffier, F., y Viollet, S., “Un aerodeslizador totalmente autónomo inspirado en las abejas: seguimiento de paredes y control de velocidad en corredores rectos y cónicos”, 2012 Conferencia Internacional IEEE sobre Robótica y Biomimética (ROBIO), Guangzhou, 2012, pp. 1311 —1318, DOI: 10.1109/ROBIO.2012.6491150.

[Smith00] Smith, C. U. M., Biología de los Sistemas Sensoriales, John Wiley, e Hijos, ISBN: 0-471-85461-1, 2000.

[Srini02] Srinivasan, M. V., “Control de vuelo visual y navegación en abejas melíferas: aplicaciones a la robótica”, en Ayers, Davis, y Rudolph, Eds., Neurotecnología para robots biomiméticos, MIT Press, Cambridge, Massachusetts, 2002.

[Srini11] Srinivasan, M. V., “Las abejas melíferas como modelo para el estudio del vuelo guiado visualmente, la navegación y la robótica de inspiración biológica”, Physiological Reviews, Vol. 91, núm. 2, pp. 413—460, 2011.

[Strang96] Strang, G. y Nguyen, T., Ondículas y bancos de filtros, Wellesley-Cambridge Press, ISBN: 0-9614088-7-1, 1996.

[Van17] Vanhoutte, E., et al. “Un ojo bioinspirado cuasi-panorámico para volar paralelo a las paredes”, IEEE Sensors, doi: 10.1109/icsens.2017.8234110, 2017.

[Werb91] Werblin, F. y Teeters, J., “Simulación en tiempo real de la retina permitiendo la visualización de cada etapa de procesamiento”, Actas del SPIE, Vol. 1472, 1991.

[WikiMM] Wikipedia, “Michaelis—Menten kinetics”, octubre de 2020.

[Wu12] Wu, H., et al., “Insecto-inspired speed motion vision system for robot control”, Biological Cybernetics, Vol. 106, pp. 453—463, DOI: 10.1007/s00422-012-0509-3, 2012.

[Zag04] Zaghloul, K. y Boahen, K., “Señales del nervio óptico en un chip neuromórfico I: Modelos de retina externa e interna”, IEEE Trans. Biomed. Ing., Vol. 51, Núm. 4, pp. 657—666, 2004.