阅读笔记：3D Visual Discomfort Predictor: Analysis of Horizontal Disparity and Neural Activity Statistics

题目：三维视觉不适度预测：对水平视差和神经活动的分析
特征：粗特征：双目视差统计；细特征：与水平视差相关联的神经活动
前提：双目融合的实现是通过神经机制，神经反应直接涉及到3D感知的控制和体验，许多研究发现视觉不适与视差有关，使用神经反应模型可以获取水平视差的定向研究。眼动聚散的变化引起了视觉不适，
原理：人脑的水平视差和聚散控制：

视网膜将收到的光信号转化为电信号，传给LGN外侧膝状体，此时左右眼的图像是分离的，在V1初级皮层双眼图像首次融合，MT中颞区皮层根据刺激的属性调整视觉反应，比如瞳孔的位置，MT神经元的调整曲线可以由Gabor函数来模拟。FEF通过产生运动控制信号来控制眼动聚散。SOA和SC控制眼部的肌肉。
整体框图：

特征：f1：高视差百分比；f2：低视差百分比；f3：离散度；f4：偏度；
第i个神经元的调整方程：

神经元对刺激选择性的作出反应，用反射率来表示反应的频率。
第i个神经元的反射率：

拓展的泊松模型表示反射率：

从平均反射率提取出来的神经归一化特征：

实验：1.用和PLCC的关系求训练集占的比重。2.和别的方法在IEEE-SA数据库上比较plcc，srocc，rmse。3.自己的方法分开比较。4.换EPFL数据库重复步骤2。5.F-test：方差齐性检验，比较不同方法的显著性差异。