본 연구에서는 시각화를 판독하는 AI 모델의 암묵적 능력을 측정하기 위해 스티븐스의 멱법칙(Stevens's power law)을 적용하며, 이를 통해 알고리즘 모델의 내장된 지각 메커니즘을 밝혀낼 수 있습니다. 예비 연구에서 AI 모델에게는 범례가 제공되지 않습니다. 색상 조건에서도 컬러맵 이름이 제공되지 않습니다. GPT-5.5는 먼저 기준이 되는 시각적 표현을 확인하고 그 크기를 추정한 다음, 동일한 표현의 후속 이미지 각각의 크기를 해당 기준에 상대적으로 추정합니다. 12가지 시각 변수에 대한 평가를 통해, 알고리즘 모델이 시각적 인코딩(visual encoding)을 판독하는 방식을 측정 가능하게 하고, 인간의 지각과 비교할 수 있도록 하며, 인간에게 더 투명하게 만듭니다.
MAME(Multidimensional Adaptive Metamer Exploration) 프레임워크는 인간 지각 피드백 기반의 온라인 이미지 생성을 통해 인간 메타머 공간을 직접 탐색할 수 있는 방법을 제안한다. 생물학적으로 타당한 CNN 모델 실험 결과, 저수준 CNN 특징 기반 메타머에 대한 인간의 변별 민감도가 고수준 특징 기반보다 낮아, 저수준 시각 처리에서 인간과 모델 간 정렬이 더 약하다는 사실이 밝혀졌다.
현재의 멀티모달 대규모 언어 모델(MLLM)이 세 살 아이도 쉽게 해결하는 기본 시각 과제에서 일관되게 실패한다는 사실에 주목하여, 언어 지식과 독립적으로 핵심 시각 능력을 평가하는 벤치마크 BabyVision을 제안한다. 4개 범주 22개 하위 유형의 388개 문항으로 구성된 BabyVision에서 최고 성능 모델인 Gemini3-Pro-Preview조차 49.7점에 그쳐 성인 평균(94.1점)과 44.4%포인트 격차를 보였으며, 생성 모델 기반의 시각적 추론 평가를 위한 BabyVision-Gen과 자동 평가 툴킷도 함께 공개한다.
주시(fixation) 중에도 인간의 눈은 지속적으로 저진폭 운동을 하며, 최대 100Hz의 속도로 무작위 방향으로 작은 각도만큼 떨린다. 이러한 운동으로 인해 망막 위의 이미지 모든 특징이 지속적으로 여러 원뿔 세포(cones)를 가로지르게 되지만, 세상에서 안정적인 물체는 안정적으로 지각되며, 세상에서 움직이는 물체는 움직이는 것으로 지각된다. 십수 년에 걸쳐 수행된 일련의 실험에 따르면, 시각 안정화(visual stabilization)의 심리물리학적 특성은 카메라 이미지 안정화 메커니즘이나 진화론적 관점에서 가장 간단한 해결책이라고 가정할 수 있는 것보다 훨씬 더 미묘한 것으로 밝혀졌다. 실험을 통해 밝혀진 심리물리학적 사실은 관찰된 안정화 행동을 초래하는 망막 신호에 대한 특정 연산 세트가 존재함을 강력하게 시사한다. 본 논문은 두 가지 수준으로 구성된다. 첫째, 실험적으로 관찰된 행동을 담당할 가능성이 매우 높은 메커니즘의 작용에 대한 기능적 설명이다. 둘째, 기능적 행동을 구현할 수 있는 회로 수준의 신경 요소에 대한 보다 추측적인 제안이다.