La capacit\u00e9 du syst\u00e8me visuel des primates, et singuli\u00e8rement de l’\u00eatre humain, \u00e0 identifier instantan\u00e9ment des objets au sein d’environnements complexes, bruit\u00e9s et perp\u00e9tuellement changeants, constitue l’un des prodiges computationnels les plus remarquables de l’\u00e9volution biologique. En une fraction de seconde, approximativement cent cinquante \u00e0 deux cents millisecondes, la r\u00e9tine capte un motif bidimensionnel fluctuant d’intensit\u00e9s lumineuses et le convertit en une exp\u00e9rience ph\u00e9nom\u00e9nologique stable, s\u00e9mantiquement charg\u00e9e : celle d’une chaise, d’un t\u00e9l\u00e9phone, d’un pr\u00e9dateur ou d’un outil. Cette prouesse s’accomplit sans effort conscient manifeste, en d\u00e9pit d’alt\u00e9rations drastiques caus\u00e9es par les variations de point de vue perspectif, les fluctuations d’illumination, les occultations partielles ou les d\u00e9formations non rigides. Comprendre l’architecture algorithmique et repr\u00e9sentationnelle sous-tendant cette invariance perceptive forme depuis plus d’un demi-si\u00e8cle le c\u0153ur n\u00e9vralgique des sciences cognitives, de la neuropsychologie et de l’intelligence artificielle.<\/p>\n
Au milieu des ann\u00e9es 1980, alors que les sciences de la vision \u00e9taient polaris\u00e9es entre les approches empiristes fond\u00e9es sur la mise en correspondance d’images globales et les th\u00e9ories computationnelles naissantes inspir\u00e9es des travaux pionniers de David Marr, le psychologue cognitif am\u00e9ricain Irving Biederman formula une proposition th\u00e9orique d’une rare \u00e9l\u00e9gance : la th\u00e9orie de la reconnaissance par les composantes (souvent d\u00e9sign\u00e9e sous l’acronyme RBC<\/em>, pour Recognition-by-Components<\/em>). Publi\u00e9e dans sa version magistrale au sein de la prestigieuse revue Psychological Review en 1987<\/a>, cette mod\u00e9lisation r\u00e9volutionna l’\u00e9tude de la perception des formes en postulant que l’inf\u00e9rence des objets tridimensionnels repose sur un r\u00e9pertoire fini d’\u00e9l\u00e9ments volum\u00e9triques universels, d\u00e9nomm\u00e9s \u00ab g\u00e9ons \u00bb (pour geometric ions<\/em>), articul\u00e9s selon une grammaire spatiale rigoureuse.<\/p>\n Le g\u00e9nie \u00e9pist\u00e9mologique de Biederman fut de concevoir la vision des formes non comme un processus passif d’enregistrement iconique, mais comme un syst\u00e8me g\u00e9n\u00e9ratif profond\u00e9ment analogue au langage articul\u00e9. De la m\u00eame fa\u00e7on qu’un ensemble discret de phon\u00e8mes permet, par le jeu de r\u00e8gles combinatoires phonotactiques, d’engendrer la totalit\u00e9 du lexique d’une langue humaine, une collection restreinte d’environ trente-six g\u00e9ons \u00e9l\u00e9mentaires s’av\u00e8re capable de coder la quasi-totalit\u00e9 des objets de l’environnement physique. En fondant l’identification de ces composants primaires sur des invariants projectifs g\u00e9om\u00e9triques \u2014 les propri\u00e9t\u00e9s non accidentelles \u2014, la th\u00e9orie RBC a propos\u00e9 une solution computationnellement robuste au probl\u00e8me fondamental de l’invariance face au point de vue, marquant durablement la psychophysique exp\u00e9rimentale, les neurosciences visuelles de la voie ventrale et les paradigmes pionniers de la vision par ordinateur.<\/p>\n L’\u00e9mergence de la th\u00e9orie de la reconnaissance par les composantes au cours des ann\u00e9es 1980 s’inscrit au confluent de plusieurs mutations paradigmatiques majeures au sein de la psychologie cognitive et des neurosciences computationnelles. Durant les d\u00e9cennies 1960 et 1970, l’explication dominante de la reconnaissance des formes demeurait largement inf\u00e9od\u00e9e aux mod\u00e8les d’appariement de gabarits (template matching<\/em>). Selon cette conception h\u00e9rit\u00e9e de l’ing\u00e9nierie pr\u00e9coce et du b\u00e9haviorisme m\u00e9thodologique, le cerveau stockerait en m\u00e9moire \u00e0 long terme une collection exhaustive de repr\u00e9sentations bidimensionnelles point par point, analogues \u00e0 des matrices photographiques d’objets pr\u00e9alablement rencontr\u00e9s. La reconnaissance visuelle s’effectuerait alors par une op\u00e9ration de corr\u00e9lation crois\u00e9e calculant le degr\u00e9 de superposition g\u00e9om\u00e9trique entre l’image r\u00e9tinienne incidente et ces matrices mn\u00e9siques.<\/p>\n Cependant, les apories formelles de l’appariement de gabarits devinrent rapidement insurmontables face \u00e0 l’immense variabilit\u00e9 du monde r\u00e9el. Comment un tel syst\u00e8me pouvait-il tol\u00e9rer les translations spatiales, les dilatations d’\u00e9chelle, les rotations tridimensionnelles et les d\u00e9formations morphologiques sans postuler une prolif\u00e9ration combinatoire infinie de repr\u00e9sentations pr\u00e9enregistr\u00e9es ? L’explosion computationnelle inh\u00e9rente \u00e0 ce mod\u00e8le le rendait biologiquement et th\u00e9oriquement invraisemblable pour rendre compte de la c\u00e9l\u00e9rit\u00e9 de l’esprit humain.<\/p>\n Parall\u00e8lement, la tradition holistique de la psychologie de la Gestalt, bien qu’ayant magistralement document\u00e9 les lois d’organisation perceptive telles que la proximit\u00e9, la continuit\u00e9, la fermeture et le destin commun, p\u00e9chait par un d\u00e9ficit d’op\u00e9rationnalisation m\u00e9caniste. Les gestaltistes d\u00e9crivaient avec acuit\u00e9 les r\u00e9gularit\u00e9s ph\u00e9nom\u00e9nologiques sans pour autant en expliciter les algorithmes sous-jacents ni les formats computationnels.<\/p>\n Ce fut le neuro-math\u00e9maticien britannique David Marr<\/a>, dans son ouvrage s\u00e9minal de 1982, qui r\u00e9volutionna l’analyse de la vision en la d\u00e9finissant comme un traitement de l’information articul\u00e9 en trois niveaux \u00e9pist\u00e9mologiques distincts : le niveau computationnel (la finalit\u00e9 du calcul et sa logique formelle), le niveau algorithmique et repr\u00e9sentationnel (les structures de donn\u00e9es et les r\u00e8gles de transformation), et le niveau de l’impl\u00e9mentation physique (le substrat neurobiologique). Marr et son collaborateur Keith Nishihara avaient esquiss\u00e9 en 1978 une approche structuraliste novatrice, sugg\u00e9rant que les objets \u00e9taient encod\u00e9s sous forme de hi\u00e9rarchies de cylindres g\u00e9n\u00e9ralis\u00e9s centr\u00e9s sur l’objet. C’est pr\u00e9cis\u00e9ment dans cette br\u00e8che th\u00e9orique qu’Irving Biederman s’engouffra, synth\u00e9tisant les intuitions gestaltistes, la rigueur computationnelle marrienne et les principes de la g\u00e9om\u00e9trie projective pour concevoir la th\u00e9orie RBC, formalis\u00e9e de mani\u00e8re d\u00e9cisive dans son article fondateur de 1987 au sein de la Psychological Review<\/em>.<\/p>\n L’ambition cardinale de la th\u00e9orie de la reconnaissance par les composantes \u00e9tait de r\u00e9soudre un paradoxe qui hantait la psychologie cognitive depuis ses origines : le paradoxe de la robustesse et de la fulgurance perceptive face \u00e0 une variabilit\u00e9 physique presque illimit\u00e9e. Biederman entendait expliciter les m\u00e9canismes permettant \u00e0 un observateur humain d’identifier un objet usuel en moins de deux cents millisecondes, sous des angles d’observation totalement in\u00e9dits, dans des conditions d’\u00e9clairage d\u00e9grad\u00e9es et en pr\u00e9sence d’occlusions substantielles, sans que l’observateur n’ait jamais eu besoin d’apprendre pr\u00e9alablement cette projection optique sp\u00e9cifique.<\/p>\n Pour r\u00e9pondre \u00e0 cette probl\u00e9matique, le mod\u00e8le RBC postule l’existence d’une repr\u00e9sentation canonique abstraite centr\u00e9e sur l’objet (object-centered representation<\/em>), plut\u00f4t que centr\u00e9e sur l’observateur (viewer-centered representation<\/em>). Au sein de ce paradigme computationnel, le syst\u00e8me visuel ne cherche pas \u00e0 encoder passivement la configuration superficielle des pixels ou des textures dans le champ r\u00e9cepteur, mais entreprend une d\u00e9construction g\u00e9om\u00e9trique active. L’objectif algorithmique consiste \u00e0 convertir les signaux lumineux incidents en une description structurale hautement \u00e9conomique, articul\u00e9e autour de primitives volum\u00e9triques et de relations spatiales discr\u00e8tes.<\/p>\n Ce basculement conceptuel permet de s’affranchir de la d\u00e9pendance m\u00e9trique continue de la r\u00e9tine au profit d’une cat\u00e9gorisation qualitative robuste. L’invariance visuelle n’est plus envisag\u00e9e comme une op\u00e9ration laborieuse de normalisation tridimensionnelle mentale \u2014 telle que la rotation mentale postul\u00e9e par Roger Shepard \u2014, mais comme l’extraction directe de configurations structurelles intrins\u00e8quement stables. La vision devient ainsi un puissant moteur d’inf\u00e9rence inductive capable de classer les stimuli dans des cat\u00e9gories s\u00e9mantiques pr\u00e9cises en d\u00e9pit de variations drastiques de taille, d’orientation, d’illumination ou de texture de surface.<\/p>\n L’apport le plus audacieux et le plus heuristique de Biederman r\u00e9side incontestablement dans l’analogie phonologique qu’il formalisa pour l\u00e9gitimer la viabilit\u00e9 computationnelle de son mod\u00e8le. Confront\u00e9 au d\u00e9fi d’expliquer comment un cerveau fini peut discriminer et m\u00e9moriser plusieurs dizaines de milliers d’objets distincts tout au long de son existence, Biederman s’inspira directement de la linguistique structuraliste et de la phonologie g\u00e9n\u00e9rative de Noam Chomsky et Morris Halle.<\/p>\n En linguistique, le constat fondamental est celui d’une \u00e9conomie s\u00e9miotique vertigineuse : l’ensemble des langues humaines n’utilise qu’un r\u00e9pertoire restreint de quelques dizaines de phon\u00e8mes discrets (environ quarante \u00e0 cinquante dans la plupart des syst\u00e8mes linguistiques, comme le fran\u00e7ais ou l’anglais). Ces phon\u00e8mes, d\u00e9pourvus de signification intrins\u00e8que, sont r\u00e9gis par des contraintes phonotactiques et combin\u00e9s pour forger des centaines de milliers de morph\u00e8mes et de lex\u00e8mes porteurs de sens. La productivit\u00e9 infinie du langage d\u00e9coule directement de ce syst\u00e8me discret et combinatoire.<\/p>\n Biederman transposa rigoureusement ce paradigme \u00e0 la perception visuelle en postulant l’existence d’un \u00ab alphabet structural \u00bb de la vision compos\u00e9 d’environ trente-six volumes fondamentaux qu’il baptisa \u00ab g\u00e9ons \u00bb (abr\u00e9viation d’ions g\u00e9om\u00e9triques). De m\u00eame que deux ou trois phon\u00e8mes combin\u00e9s peuvent former les mots distincts \u00ab bac \u00bb, \u00ab cab \u00bb ou \u00ab abc\u00e8s \u00bb, la simple r\u00e9organisation spatiale de deux ou trois g\u00e9ons \u00e9l\u00e9mentaires \u2014 par exemple un cylindre et une anse incurv\u00e9e \u2014 suffit \u00e0 engendrer des identit\u00e9s s\u00e9mantiques radicalement divergentes, telles qu’une tasse \u00e0 caf\u00e9 ou un seau. Cette conception d’une compositionnalit\u00e9 g\u00e9n\u00e9rative r\u00e9sout avec \u00e9clat la contrainte de l’\u00e9conomie mn\u00e9sique : au lieu de saturer les r\u00e9seaux neuronaux corticaux avec une infinit\u00e9 d’images statiques, le cerveau visuel ne conserve qu’un lexique r\u00e9duit de briques morphologiques universelles et une syntaxe de liaison relationnelle, autorisant la synth\u00e8se et la reconnaissance d’un nombre potentiellement infini d’objets manufactur\u00e9s ou naturels.<\/p>\n Au c\u0153ur de l’\u00e9difice th\u00e9orique de Biederman se trouve le g\u00e9on, d\u00e9fini comme une primitive volum\u00e9trique tridimensionnelle \u00e9l\u00e9mentaire, irr\u00e9ductible et convexe, caract\u00e9ris\u00e9e par une combinaison univoque de propri\u00e9t\u00e9s g\u00e9om\u00e9triques qualitatives. Contrairement aux primitives de bas niveau que sont les points lumineux, les barres d’orientation ou les filtres de fr\u00e9quences spatiales de Gabor, le g\u00e9on constitue une entit\u00e9 interm\u00e9diaire de nature semi-conceptuelle et structurale, poss\u00e9dant une coh\u00e9rence tridimensionnelle propre.<\/p>\n Les g\u00e9ons arch\u00e9typaux incarnent des solides g\u00e9om\u00e9triques simples mais extr\u00eamement expressifs : des cylindres \u00e0 section circulaire ou elliptique, des parall\u00e9l\u00e9pip\u00e8des rectangles (blocs), des coins pyramidaux, des prismes triangulaires, des tores (formes en beignet ou en anneau) et des c\u00f4nes tronqu\u00e9s. Ces volumes ne sont pas arbitraires ; ils repr\u00e9sentent des classes d’\u00e9quivalence g\u00e9om\u00e9trique robustes g\u00e9n\u00e9r\u00e9es par l’extrusion d’une coupe transversale bidimensionnelle le long d’un axe de balayage ou axe central (h\u00e9ritage direct du formalisme des cylindres g\u00e9n\u00e9ralis\u00e9s d\u00e9velopp\u00e9 par Thomas Binford en 1971 et raffin\u00e9 par Marr et Nishihara).<\/p>\n Tout objet physique identifiable est ainsi conceptualis\u00e9, selon la RBC, comme un agr\u00e9gat ordonn\u00e9 de g\u00e9ons solidaris\u00e9s les uns aux autres par des points de jonction pr\u00e9cis. Par exemple, une lampe de bureau typique pourra \u00eatre ad\u00e9quatement d\u00e9crite comme un parall\u00e9l\u00e9pip\u00e8de aplati (le socle), sur lequel est \u00e9rig\u00e9 un long cylindre mince (le bras articul\u00e9), auquel est articul\u00e9 un c\u00f4ne creux orient\u00e9 vers le bas (l’abat-jour). Cette modularit\u00e9 intrins\u00e8que des g\u00e9ons constitue l’unit\u00e9 fondamentale de traitement par laquelle la sc\u00e8ne visuelle continue est quantifi\u00e9e en \u00e9l\u00e9ments discrets manipulables par la cognition.<\/p>\n L’une des contributions m\u00e9thodologiques majeures d’Irving Biederman fut de d\u00e9montrer que son alphabet structural n’\u00e9tait pas le fruit d’une intuition empirique arbitraire, mais le r\u00e9sultat d’une combinatoire math\u00e9matique exhaustive r\u00e9gie par des variations qualitatives discr\u00e8tes. Biederman identifia quatre attributs g\u00e9om\u00e9triques fondamentaux caract\u00e9risant les contours et les axes des solides extrud\u00e9s, chacun pouvant adopter un nombre tr\u00e8s limit\u00e9 d’\u00e9tats binaires ou ternaires invariants :<\/p>\n En croisant syst\u00e9matiquement ces quatre dimensions ind\u00e9pendantes \u2014 deux types de bords (droits ou courbes) multipli\u00e9s par trois conditions de sym\u00e9trie de section, combin\u00e9s \u00e0 deux \u00e9tats d’axe (droit ou incurv\u00e9) et trois dynamiques d’expansion (constante, convergente ou divergente) \u2014, Biederman parvint \u00e0 une matrice combinatoire ferm\u00e9e d\u00e9nombrant environ trente-six primitives canoniques universelles. Chaque g\u00e9on de cet ensemble clos de 36 solides primaires se distingue cat\u00e9goriquement de tous les autres par au moins une propri\u00e9t\u00e9 qualitative discontinue, \u00e9liminant ainsi toute \u00e9quivoque morphologique lors de l’analyse r\u00e9tinienne descendante.<\/p>\n L’un des postulats empiriques les plus puissants du mod\u00e8le RBC r\u00e9side dans la d\u00e9monstration que la reconnaissance humaine ne s’effondre pas proportionnellement \u00e0 la perte globale d’\u00e9nergie lumineuse ou de pixels d’une image, mais r\u00e9agit s\u00e9lectivement \u00e0 la localisation structurale des d\u00e9gradations. Biederman a formul\u00e9 la pr\u00e9diction th\u00e9orique suivante : tant que les informations optiques permettant de d\u00e9duire les attributs diagnostiques d’un g\u00e9on sont pr\u00e9serv\u00e9es, l’objet entier demeure ais\u00e9ment reconnaissable, m\u00eame si plus de 60 % de ses contours lin\u00e9aires ont \u00e9t\u00e9 effac\u00e9s.<\/p>\n Cette r\u00e9silience repose sur le comportement asym\u00e9trique des diff\u00e9rentes portions d’un dessin au trait. Si l’on d\u00e9grade une image en supprimant les segments m\u00e9dians rectilignes ou curvilignes situ\u00e9s au milieu des contours des g\u00e9ons, le syst\u00e8me perceptif comble sans peine les lacunes par compl\u00e9tion automatique de la continuit\u00e9 de contour. En revanche, si la suppression de contour s’attaque sp\u00e9cifiquement aux zones d’inflexion, de concavit\u00e9 et de sommets \u2014 c’est-\u00e0-dire l\u00e0 o\u00f9 convergent plusieurs ar\u00eates \u2014, la possibilit\u00e9 m\u00eame d’inf\u00e9rer les g\u00e9ons sous-jacents est an\u00e9antie. Les sommets et les jonctions ne sont pas simplement des d\u00e9tails g\u00e9om\u00e9triques : ils constituent les \u00ab verrous computationnels \u00bb contenant les signatures optiques indispensables \u00e0 la d\u00e9composition volum\u00e9trique. D\u00e8s lors que ces n\u0153uds critiques sont oblit\u00e9r\u00e9s, le syst\u00e8me de reconnaissance s’effondre de mani\u00e8re catastrophique, confirmant que le d\u00e9codage c\u00e9r\u00e9bral d\u00e9pend de la visibilit\u00e9 des g\u00e9ons constitutifs bien plus que de la surface globale du contour visible.<\/p>\n Comment le cerveau visuel parvient-il \u00e0 inf\u00e9rer avec certitude l’existence d’un g\u00e9on tridimensionnel \u00e0 partir d’une image r\u00e9tinienne qui n’est, par d\u00e9finition optique, qu’une projection bidimensionnelle plane ? La r\u00e9ponse formul\u00e9e par la th\u00e9orie RBC s’enracine dans la g\u00e9om\u00e9trie projective et l’exploitation des propri\u00e9t\u00e9s non accidentelles (en anglais, Non-Accidental Properties<\/em> ou NAP), un concept initialement th\u00e9oris\u00e9 par le chercheur en vision artificielle Thomas Binford et approfondi par le psychologue Donald Lowe.<\/p>\n Dans l’espace physique, tout objet r\u00e9el se projette sur la r\u00e9tine sous une infinit\u00e9 d’angles possibles. Cependant, les lois statistiques de l’optique r\u00e9v\u00e8lent que certaines caract\u00e9ristiques g\u00e9om\u00e9triques d’une projection plane ne changent pas lors d’une translation ou d’une rotation continue du point de vue, \u00e0 l’exception d’un ensemble de points de vue infiniment restreint dit \u00ab points de vue accidentels \u00bb. Par exemple, si trois points de l’espace tridimensionnel sont rigoureusement align\u00e9s sur une m\u00eame droite physique, leur projection optique formera presque syst\u00e9matiquement trois points collin\u00e9aires sur la r\u00e9tine. Il faudrait que l’\u0153il se place exactement dans le prolongement infinit\u00e9simal de l’axe pour observer un point unique \u2014 une \u00e9ventualit\u00e9 statistique quasi nulle dans le flux \u00e9cologique naturel.<\/p>\n Le syst\u00e8me perceptif humain s’appuie sur une heuristique de vraisemblance fondamentale : si une r\u00e9gularit\u00e9 g\u00e9om\u00e9trique sp\u00e9cifique (comme une ligne droite ou un parall\u00e9lisme) est d\u00e9tect\u00e9e sur l’image r\u00e9tinienne, le cerveau fait le pari computationnel probabiliste que cette r\u00e9gularit\u00e9 refl\u00e8te fid\u00e8lement une propri\u00e9t\u00e9 physique r\u00e9elle de l’objet dans le monde, plut\u00f4t que le fruit d’un alignement fortuit et accidentel entre l’observateur et l’environnement. C’est ce principe qui conf\u00e8re aux propri\u00e9t\u00e9s non accidentelles leur pouvoir discriminant invariant face au point de vue perspectif.<\/p>\n Biederman a isol\u00e9 cinq propri\u00e9t\u00e9s non accidentelles primaires exploit\u00e9es de fa\u00e7on universelle par le cortex visuel humain pour transcrire les ar\u00eates bidimensionnelles brutes en repr\u00e9sentations volum\u00e9triques de g\u00e9ons :<\/p>\n La pr\u00e9sence ou l’absence simultan\u00e9e de ces cinq attributs invariants permet au syst\u00e8me visuel d’op\u00e9rer une classification sans \u00e9quivoque : un cylindre, par exemple, sera imm\u00e9diatement et infailliblement diagnostiqu\u00e9 par la pr\u00e9sence de deux lignes parall\u00e8les (propri\u00e9t\u00e9 de parall\u00e9lisme) d\u00e9limit\u00e9es \u00e0 leurs extr\u00e9mit\u00e9s par des contours courbes lisses (propri\u00e9t\u00e9 de curvilin\u00e9arit\u00e9) convergeant vers des jonctions de terminaison lisses, et ce quel que soit l’angle d’observation sous lequel le cylindre est appr\u00e9hend\u00e9.<\/p>\n Au sein des propri\u00e9t\u00e9s non accidentelles, la coterminaison des contours joue un r\u00f4le gravitationnel supr\u00eame \u00e0 travers la typologie des jonctions d’ar\u00eates. La recherche en vision computationnelle men\u00e9e par des pionniers comme David Waltz, Max Clowes et Alistair Huffman a formalis\u00e9 une grammaire stricte des types de sommets g\u00e9om\u00e9triques bidimensionnels g\u00e9n\u00e9r\u00e9s par l’intersection des surfaces d’un poly\u00e8dre. Biederman a incorpor\u00e9 cette taxonomie dans sa th\u00e9orie en d\u00e9montrant que le cerveau utilise la morphologie sp\u00e9cifique de ces sommets pour d\u00e9coder l’architecture volum\u00e9trique locale :<\/p>\n L’extraction algorithmique rapide de ces configurations de sommets dans les \u00e9tapes initiales du traitement cortical permet de lever instantan\u00e9ment toute ind\u00e9cision topologique. Le syst\u00e8me sait pr\u00e9cis\u00e9ment o\u00f9 un g\u00e9on commence, o\u00f9 il s’ach\u00e8ve et \u00e0 quel autre g\u00e9on il est structurellement articul\u00e9.<\/p>\n Le d\u00e9roulement computationnel postul\u00e9e par la th\u00e9orie RBC d\u00e9bute par une phase d’analyse r\u00e9tinotopique locale de bas niveau, ex\u00e9cut\u00e9e physiologiquement au sein du cortex visuel primaire (aire stri\u00e9e V1) et des aires extra-stri\u00e9es pr\u00e9coces (V2). Face \u00e0 la luminance continue et h\u00e9t\u00e9rog\u00e8ne de la sc\u00e8ne optique incidente, le syst\u00e8me neuro-computationnel proc\u00e8de \u00e0 un filtrage spatial passe-bande au moyen d’ondes sinuso\u00efdales modul\u00e9es par des gaussiennes (op\u00e9rateurs de type filtres de Gabor ou laplaciens de gaussiennes).<\/p>\n Cette op\u00e9ration algorithmique a pour fonction d’annihiler les gradients continus de textures non informatives, les reflets parasites et le bruit visuel haute fr\u00e9quence afin d’extraire une carte d’intensit\u00e9 des discontinuit\u00e9s de luminance, commun\u00e9ment appel\u00e9e \u00ab esquisse primaire \u00bb (primal sketch<\/em> selon Marr). Les cellules simples et complexes de l’aire V1 d\u00e9tectent l’orientation spatiale, la phase et l’\u00e9chelle des contours bruts. L’aboutissement de cette premi\u00e8re \u00e9tape computationnelle est la transformation de l’image r\u00e9tinienne en un dessin au trait mental \u00e9pur\u00e9 (line drawing representation<\/em>), o\u00f9 seules subsistent les limites physiques tangibles des surfaces, les ar\u00eates d’intersection et les silhouettes extrins\u00e8ques des corps solides.<\/p>\n Une fois les contours lin\u00e9aires consolid\u00e9s, le syst\u00e8me visuel est confront\u00e9 \u00e0 l’imp\u00e9ratif de segmenter cette silhouette globale continue en sous-parties individualis\u00e9es. C’est ici qu’intervient l’un des m\u00e9canismes les plus \u00e9l\u00e9gants du mod\u00e8le RBC, adoss\u00e9 aux lois de la g\u00e9om\u00e9trie diff\u00e9rentielle et plus sp\u00e9cifiquement au principe de transversalit\u00e9 explicit\u00e9 par les scientifiques cognitifs Donald Hoffman et Whitman Richards en 1984.<\/p>\n Selon le principe de transversalit\u00e9, lorsque deux volumes solides tridimensionnels distincts et arbitraires p\u00e9n\u00e8trent l’un dans l’autre ou se rejoignent dans l’espace physique, l’intersection de leurs surfaces respectives engendre presque in\u00e9vitablement une ligne de discontinuit\u00e9 caract\u00e9ris\u00e9e par une concavit\u00e9 topologique prononc\u00e9e. Projet\u00e9e dans le plan bidimensionnel de la r\u00e9tine, cette fronti\u00e8re physique de jonction se manifeste syst\u00e9matiquement sous la forme de points d’indentation concave locale, c’est-\u00e0-dire des zones de minima de courbure n\u00e9gative sur la silhouette de contour.<\/p>\n Le mod\u00e8le de Biederman d\u00e9montre que le syst\u00e8me visuel scanne m\u00e9thodiquement les contours segment\u00e9s pour y rep\u00e9rer ces concavit\u00e9s accus\u00e9es. D\u00e8s que deux minima de courbure n\u00e9gative sont d\u00e9tect\u00e9s en opposition spatiale relative sur un contour, le cerveau trace automatiquement une fronti\u00e8re virtuelle de bipartition unissant ces points. Cette op\u00e9ration math\u00e9matique de d\u00e9coupage segmente instantan\u00e9ment l’objet global en une collection de sous-r\u00e9gions convexes distinctes. Chaque zone r\u00e9sultante de cette segmentation pr\u00e9sente une courbure positive continue, signalant la pr\u00e9sence autonome et indivisible d’un composant volum\u00e9trique potentiel.<\/p>\n D\u00e8s lors que la segmentation le long des minima de courbure n\u00e9gative a d\u00e9limit\u00e9 les fronti\u00e8res des sous-parties de l’objet, chaque composant isol\u00e9 fait l’objet d’une analyse g\u00e9om\u00e9trique focalis\u00e9e. Le syst\u00e8me visuel met en \u0153uvre un processus d’appariement formel entre les caract\u00e9ristiques de contour de la partie segment\u00e9e et les sp\u00e9cifications invariantes de la taxonomie des g\u00e9ons.<\/p>\n Cette \u00e9tape repose sur l’\u00e9valuation simultan\u00e9e et parall\u00e8le des propri\u00e9t\u00e9s non accidentelles pr\u00e9sentes au sein du composant d\u00e9limit\u00e9 :<\/p>\n En croisant ces diagnostics qualitatifs discrets, le syst\u00e8me \u00e9limine instantan\u00e9ment les hypoth\u00e8ses g\u00e9om\u00e9triques concurrentes pour ne retenir qu’un seul profil de volume parmi les trente-six disponibles dans l’alphabet mental. Il convient de souligner que cette classification est totalement insensible aux variations m\u00e9triques continues : qu’un cylindre soit allong\u00e9 ou trapu, \u00e9pais ou gr\u00eale, son assignation \u00e0 la cat\u00e9gorie structurale du \u00ab g\u00e9on cylindre \u00bb demeure inchang\u00e9e. L’activation repr\u00e9sentationnelle du g\u00e9on constitutif est alors scell\u00e9e, pr\u00eate \u00e0 \u00eatre int\u00e9gr\u00e9e au niveau computationnel sup\u00e9rieur.<\/p>\n L’identification isol\u00e9e des g\u00e9ons constitutifs ne suffit pas \u00e0 d\u00e9finir l’identit\u00e9 d’un objet complexe. Tout comme un sac de lettres d\u00e9sordonn\u00e9 ne compose pas un mot intelligible, une simple collection non structur\u00e9e de g\u00e9ons demeure s\u00e9mantiquement opaque. Pour Biederman, le pouvoir expressif de la th\u00e9orie de la reconnaissance par les composantes d\u00e9coule d’une syntaxe rigoureuse codant les relations spatiales mutuelles entre les g\u00e9ons identifi\u00e9s.<\/p>\n De mani\u00e8re coh\u00e9rente avec l’ensemble du paradigme RBC, ces relations spatiales ne sont pas d\u00e9finies en coordonn\u00e9es cart\u00e9siennes continues ou en distances m\u00e9triques pr\u00e9cises (telles que mesurer un \u00e9cartement exact de 12,4 centim\u00e8tres), mais sous forme de relations topologiques qualitatives et discr\u00e8tes :<\/p>\n Cette grammaire relationnelle impose des contraintes structurales tr\u00e8s s\u00e9v\u00e8res. Si l’on d\u00e9place le cylindre courb\u00e9 repr\u00e9sentant l’anse d’une tasse depuis son flanc lat\u00e9ral pour le transposer au sommet de l’ouverture du cylindre principal, l’objet cesse imm\u00e9diatement d’\u00eatre cat\u00e9goris\u00e9 comme une \u00ab tasse \u00bb pour \u00eatre instantan\u00e9ment per\u00e7u comme un \u00ab seau \u00bb ou un \u00ab panier \u00bb. La structure relationnelle est le vecteur premier du sens s\u00e9mantique.<\/p>\n \u00c0 l’issue de l’extraction des composants et du d\u00e9codage de leur syntaxe de jonction, le cerveau visuel proc\u00e8de \u00e0 l’assemblage d’un format repr\u00e9sentationnel unifi\u00e9 : la description structurale globale (structural description<\/em>). Cette entit\u00e9 computationnelle prend la forme formelle d’un graphe relationnel propositionnel ou d’un r\u00e9seau de n\u0153uds interconnect\u00e9s.<\/p>\n Au sein de ce graphe interne, chaque n\u0153ud repr\u00e9sente un g\u00e9on sp\u00e9cifique caract\u00e9ris\u00e9 par ses attributs non accidentels intrins\u00e8ques (G1 = bloc rectangulaire, G2 = cylindre droit, G3 = tore partiel), tandis que les ar\u00eates du graphe codent les pr\u00e9dicats spatiaux qualitatifs unissant ces n\u0153uds (G3 est attach\u00e9 sur le flanc sup\u00e9rieur droit de G2 ; G2 repose sur la face sup\u00e9rieure centrale de G1). Ce format de repr\u00e9sentation jouit d’une r\u00e9silience ph\u00e9nom\u00e9nale face aux perturbations du signal r\u00e9tinien :<\/p>\n L’un des avantages computationnels les plus d\u00e9cisifs de la description structurale r\u00e9side dans sa formidable redondance relationnelle. Dans l’environnement visuel naturel, il est exceptionnel qu’un objet soit parfaitement et int\u00e9gralement visible sous une illumination id\u00e9ale. Les occultations partielles caus\u00e9es par la v\u00e9g\u00e9tation, d’autres objets intercal\u00e9s ou des ombres port\u00e9es s\u00e9v\u00e8res privent continuellement le syst\u00e8me d’une partie des signaux de contour.<\/p>\n N\u00e9anmoins, la th\u00e9orie RBC d\u00e9montre qu’un objet constitu\u00e9 d’une multiplicit\u00e9 de g\u00e9ons poss\u00e8de une surd\u00e9termination informationnelle intrins\u00e8que. D\u00e8s lors que deux ou trois g\u00e9ons critiques et leurs interconnexions spatiales sont clairement discrimin\u00e9s, l’espace d’hypoth\u00e8ses sur l’identit\u00e9 de l’objet est drastiquement \u00e9lagu\u00e9. Par exemple, la d\u00e9tection d’un grand cylindre vertical flanqu\u00e9 d’un petit cylindre creux convergent (un bec verseur) et d’un tore lat\u00e9ral (une anse) contraint si fortement les degr\u00e9s de libert\u00e9 g\u00e9om\u00e9triques qu’aucun autre concept que celui d’une \u00ab th\u00e9i\u00e8re \u00bb ou d’une \u00ab cafeti\u00e8re \u00bb ne peut math\u00e9matiquement satisfaire ces pr\u00e9dicats.<\/p>\n Ce ph\u00e9nom\u00e8ne d’inf\u00e9rence descendante guid\u00e9e par la structure relationnelle permet au cerveau de restituer les g\u00e9ons manquants ou masqu\u00e9s par un processus de compl\u00e9tion cognitive descendante (top-down pattern completion<\/em>). L’ambigu\u00eft\u00e9 locale est ainsi r\u00e9solue sans effort computationnel suppl\u00e9mentaire par la coh\u00e9rence globale du graphe g\u00e9onique.<\/p>\n Afin de soumettre la th\u00e9orie de la reconnaissance par les composantes \u00e0 une r\u00e9futation empirique rigoureuse au sens popp\u00e9rien, Irving Biederman con\u00e7ut une s\u00e9rie d’exp\u00e9riences psychophysiques novatrices publi\u00e9es dans son article princeps de 1987. L’objectif \u00e9tait de tester directement le r\u00f4le primordial assign\u00e9 aux propri\u00e9t\u00e9s non accidentelles et aux sommets de concavit\u00e9 dans l’identification visuelle.<\/p>\n Le paradigme exp\u00e9rimental reposait sur la manipulation syst\u00e9matique de dessins au trait repr\u00e9sentant des objets manufactur\u00e9s et naturels courants (bicyclettes, t\u00e9l\u00e9phones, avions, chaises, tasses). Biederman g\u00e9n\u00e9ra des conditions d’alt\u00e9ration physique rigoureusement contr\u00f4l\u00e9es o\u00f9 une proportion quantitative identique de contours lin\u00e9aires \u00e9tait soustraite (g\u00e9n\u00e9ralement entre 50 % et 65 % de l’encre totale des trac\u00e9s \u00e9limin\u00e9e), mais selon deux modalit\u00e9s qualitatives radicalement distinctes :<\/p>\n Ces stimuli d\u00e9grad\u00e9s \u00e9taient pr\u00e9sent\u00e9s \u00e0 des sujets humains dans des dispositifs tachistoscopiques contr\u00f4l\u00e9s, avec des dur\u00e9es d’exposition ultra-br\u00e8ves allant de 65 \u00e0 200 millisecondes, imm\u00e9diatement suivies d’un masque visuel textur\u00e9 destin\u00e9 \u00e0 interrompre tout traitement r\u00e9tinien r\u00e9siduel persistant. Les variables d\u00e9pendantes mesur\u00e9es avec une pr\u00e9cision chronom\u00e9trique comprenaient les temps de r\u00e9action pour nommer l’objet et le taux d’erreur cat\u00e9gorielle.<\/p>\n Les donn\u00e9es empiriques recueillies par Biederman apport\u00e8rent une confirmation \u00e9clatante et spectaculaire aux pr\u00e9dictions d\u00e9duites du mod\u00e8le RBC. Les performances des observateurs mirent au jour une dissociation comportementale massive entre les deux conditions de d\u00e9gradation visuelle, nonobstant l’\u00e9galit\u00e9 math\u00e9matique de l’information graphique physique supprim\u00e9e :<\/p>\n Dans la condition o\u00f9 les sommets et les jonctions \u00e9taient pr\u00e9serv\u00e9s (vertices preserved<\/em>), les sujets identifi\u00e8rent les objets avec une v\u00e9locit\u00e9 et une pr\u00e9cision quasi identiques \u00e0 celles obtenues avec des dessins complets non d\u00e9grad\u00e9s. Les taux d’erreur demeur\u00e8rent remarquablement bas (souvent inf\u00e9rieurs \u00e0 10 %), et les temps de r\u00e9action n’augment\u00e8rent que de quelques dizaines de millisecondes, attestant que le syst\u00e8me visuel parvenait sans difficult\u00e9 \u00e0 induire les propri\u00e9t\u00e9s non accidentelles et \u00e0 d\u00e9duire l’identit\u00e9 des g\u00e9ons constitutifs.<\/p>\n \u00c0 l’inverse, dans la condition o\u00f9 les sommets avaient \u00e9t\u00e9 soustraits (vertices deleted<\/em>), les performances s’effondr\u00e8rent de fa\u00e7on catastrophique. Les taux d’erreur bondirent \u00e0 des niveaux massifs (atteignant fr\u00e9quemment 50 % \u00e0 70 % d’\u00e9checs de reconnaissance \u00e0 des temps d’exposition brefs), et les temps de r\u00e9ponse accus\u00e8rent un ralentissement colossal. En l’absence des jonctions critiques, les segments r\u00e9siduels \u00e9taient per\u00e7us comme des traits disparates incoh\u00e9rents, incapables de d\u00e9clencher l’activation de l’alphabet des g\u00e9ons. Ces r\u00e9sultats d\u00e9montr\u00e8rent sans \u00e9quivoque possible que la reconnaissance des formes ne s’appuie pas sur une sommation lin\u00e9aire de contours bruts, mais d\u00e9pend imp\u00e9rieusement de la d\u00e9tection de configurations nodales indispensables \u00e0 l’extraction volum\u00e9trique.<\/p>\n Pour approfondir la nature repr\u00e9sentationnelle des formats mn\u00e9siques g\u00e9n\u00e9r\u00e9s lors de la perception des objets, Biederman et ses collaborateurs d\u00e9ploy\u00e8rent des protocoles d’amor\u00e7age \u00e0 long terme (priming paradigms<\/em>) d’une extr\u00eame sophistication m\u00e9thodologique. La question cardinale \u00e9tait de savoir si l’empreinte mn\u00e9sique laiss\u00e9e par la reconnaissance d’un objet correspondait \u00e0 une matrice de contours sp\u00e9cifiques ou \u00e0 une description g\u00e9onique abstraite.<\/p>\n Dans une exp\u00e9rience c\u00e9l\u00e8bre, Biederman et Eric Cooper (1991) pr\u00e9sent\u00e8rent aux participants des objets d\u00e9grad\u00e9s form\u00e9s de la moiti\u00e9 des contours seulement (stimulus A). Lors d’une phase de test ult\u00e9rieure, ils compar\u00e8rent l’effet d’amor\u00e7age obtenu lors de la pr\u00e9sentation d’une version compl\u00e9mentaire du m\u00eame objet (stimulus B, constitu\u00e9 exactement des contours qui avaient \u00e9t\u00e9 omis dans le stimulus A) \u00e0 l’amor\u00e7age produit par un exemplaire conceptuellement identique mais morphologiquement distinct (par exemple, une autre variante de chaise compos\u00e9e de g\u00e9ons diff\u00e9rents).<\/p>\n Les r\u00e9sultats r\u00e9v\u00e9l\u00e8rent que l’amor\u00e7age structural entre les deux versions compl\u00e9mentaires d’un m\u00eame objet \u00e9tait statistiquement \u00e9quivalent \u00e0 l’amor\u00e7age obtenu par la r\u00e9apparition de l’image strictement identique, alors m\u00eame que les deux stimuli compl\u00e9mentaires ne partageaient aucun pixel et aucune ar\u00eate physique commune au plan r\u00e9tinien. Tant que les deux moiti\u00e9s compl\u00e9mentaires permettaient d’extraire les m\u00eames g\u00e9ons aux m\u00eames positions spatiales relatives, le cerveau b\u00e9n\u00e9ficiait d’une facilitation mn\u00e9sique totale. Cette preuve exp\u00e9rimentale irr\u00e9futable scella l’id\u00e9e que les repr\u00e9sentations visuelles stock\u00e9es et r\u00e9activ\u00e9es dans le syst\u00e8me cognitif sont des descriptions g\u00e9oniques invariantes, et non de simples traces sensorielles superficielles de bas niveau.<\/p>\n L’une des th\u00e8ses les plus radicales d\u00e9fendues par Irving Biederman \u00e0 travers la th\u00e9orie RBC concerne l’invariance absolue de la reconnaissance face au point de vue (viewpoint-invariance<\/em>). Selon cette approche, parce que les g\u00e9ons sont sp\u00e9cifi\u00e9s par des propri\u00e9t\u00e9s non accidentelles hautement r\u00e9sistantes aux projections projectives obliques, la description structurale d’un objet demeure strictement identique \u00e0 travers une immense plage de rotations tridimensionnelles dans la profondeur.<\/p>\n Cette perspective postule une repr\u00e9sentation interne centr\u00e9e sur l’objet (object-centered<\/em>). L’observateur n’a pas besoin de convertir ou de normaliser mentalement la vue perceptive incidente pour la faire correspondre \u00e0 un format m\u00e9moris\u00e9. D\u00e8s lors qu’une rotation dans l’espace ne provoque pas de catastrophe topologique \u2014 c’est-\u00e0-dire tant qu’elle ne dissimule pas un g\u00e9on critique derri\u00e8re un autre ou qu’elle n’engendre pas un point de vue accidentel exceptionnel \u2014, les m\u00eames g\u00e9ons sont extraits, les m\u00eames pr\u00e9dicats relationnels sont confirm\u00e9s et l’objet est identifi\u00e9 avec une vitesse et une exactitude parfaitement stables. Biederman pr\u00e9disait ainsi l’absence de co\u00fbt chronom\u00e9trique lors de la pr\u00e9sentation d’objets usuels sous des orientations azimutales et z\u00e9nithales vari\u00e9es.<\/p>\n Cette proclamation d’une invariance g\u00e9n\u00e9ralis\u00e9e suscita imm\u00e9diatement une controverse th\u00e9orique d’une rare intensit\u00e9 au sein des sciences cognitives, marquant les d\u00e9bats des ann\u00e9es 1990. Un courant th\u00e9orique adverse et vigoureux, men\u00e9 par des chercheurs tels que Michael J. Tarr<\/a>, Heinrich H. B\u00fclthoff et Shimon Edelman, contesta frontalement la vision biederanienne en brandissant le paradigme des mod\u00e8les d\u00e9pendants du point de vue (view-based recognition<\/em> ou viewer-centered models<\/em>).<\/p>\n S’appuyant sur les th\u00e9ories de l’interpolation de vues d\u00e9velopp\u00e9es initialement par Shimon Ullman et Tomaso Poggio, les tenants du mod\u00e8le bas\u00e9 sur les vues avanc\u00e8rent que les repr\u00e9sentations en m\u00e9moire conservent la trace ind\u00e9l\u00e9bile des angles d’observation particuliers sous lesquels un objet a \u00e9t\u00e9 pr\u00e9alablement encod\u00e9. Tarr et B\u00fclthoff men\u00e8rent une pl\u00e9thore d’exp\u00e9riences psychophysiques utilisant des stimuli tridimensionnels in\u00e9dits et hautement contr\u00f4l\u00e9s \u2014 tels que les c\u00e9l\u00e8bres stimuli en blocs m\u00e9talliques torsad\u00e9s ou les figures de Shepard-Metzler \u2014 et document\u00e8rent syst\u00e9matiquement un ph\u00e9nom\u00e8ne incompatible avec la th\u00e9orie RBC canonique :<\/p>\n Les temps de r\u00e9action et les taux d’erreur des observateurs augmentaient de fa\u00e7on continue et monotone en fonction directe du degr\u00e9 de rotation angulaire tridimensionnelle s\u00e9parant l’angle du stimulus affich\u00e9 de l’angle d’apprentissage canonique pr\u00e9alablement m\u00e9moris\u00e9. Ce \u00ab co\u00fbt rotationnel \u00bb syst\u00e9matique sugg\u00e9rait que le cerveau devait effectuer des op\u00e9rations d’alignement g\u00e9om\u00e9trique continu, d’interpolation lin\u00e9aire de surfaces ou de rotation mentale d\u00e9pendante du point de vue pour parvenir \u00e0 l’identification, ruinant l’hypoth\u00e8se d’une invariance universelle et spontan\u00e9e des g\u00e9ons.<\/p>\n La confrontation entre les paradigmes centr\u00e9 sur l’objet (RBC) et d\u00e9pendant du point de vue (view-based<\/em>) a d\u00e9bouch\u00e9, \u00e0 l’issue de deux d\u00e9cennies de confrontations empiriques m\u00e9ticuleuses, sur un consensus scientifique d’une grande maturit\u00e9 \u00e9pist\u00e9mologique, articul\u00e9 autour de la granularit\u00e9 cat\u00e9gorielle exig\u00e9e par la t\u00e2che perceptive.<\/p>\n La communaut\u00e9 cognitive admet aujourd’hui que ces deux modalit\u00e9s de traitement coexistent harmonieusement au sein de l’architecture visuelle humaine, op\u00e9rant \u00e0 des niveaux d’abstraction compl\u00e9mentaires :<\/p>\n Les postulats computationnels de la th\u00e9orie de Biederman ont trouv\u00e9 des ancrages remarquables au sein de la neuro-anatomie fonctionnelle du syst\u00e8me visuel des primates. Les neuroscientifiques Leslie Ungerleider et Mortimer Mishkin ont formalis\u00e9 en 1982 la bipartition majeure entre la voie dorsale (\u00ab voie du o\u00f9 \u00bb ou de l’action) projetant vers le cortex pari\u00e9tal et la voie ventrale (\u00ab voie du quoi \u00bb ou de l’identification perceptive) s’\u00e9tendant du cortex occipital jusqu’au cortex inf\u00e9ro-temporal.<\/p>\n Le traitement des composantes volum\u00e9triques cartographie avec une fid\u00e9lit\u00e9 frappante la hi\u00e9rarchie ascendante de la voie ventrale :<\/p>\n L’exploration neurophysiologique unitaire chez le macaque \u00e9veill\u00e9 a apport\u00e9 des corroborations empiriques d’une pr\u00e9cision saisissante \u00e0 la th\u00e9orie RBC. Les travaux s\u00e9minaux du neurophysiologiste japonais Keiji Tanaka<\/a> et de son \u00e9quipe au RIKEN Brain Science Institute dans les ann\u00e9es 1990 ont r\u00e9v\u00e9l\u00e9 la logique d’organisation en colonnes du cortex inf\u00e9ro-temporal ant\u00e9rieur (aire TE).<\/p>\n Tanaka d\u00e9montra, par une m\u00e9thode ing\u00e9nieuse de simplification r\u00e9gressive d’images (reduction method<\/em>), que les neurones de l’aire TE ne r\u00e9agissent pas de mani\u00e8re optimale \u00e0 des photographies complexes ou \u00e0 des formes planes arbitraires, mais sont s\u00e9lectivement accord\u00e9s \u00e0 des combinaisons mod\u00e9r\u00e9ment complexes de caract\u00e9ristiques volum\u00e9triques : tr\u00e8s pr\u00e9cis\u00e9ment des cylindres, des c\u00f4nes convergeants, des blocs rectangulaires munis de saillies ou des jonctions d’ar\u00eates en T et en Y. Ces configurations neuronales correspondent terme \u00e0 terme aux primitives g\u00e9oniques th\u00e9oris\u00e9es par Biederman.<\/p>\n De surcro\u00eet, les enregistrements unicellulaires d\u00e9montr\u00e8rent que ces colonnes corticales g\u00e9oniques conservent leur fr\u00e9quence de d\u00e9charge \u00e9lev\u00e9e \u00e0 travers de consid\u00e9rables translations du stimulus dans le champ visuel r\u00e9tinien ainsi qu’\u00e0 travers d’amples variations d’\u00e9chelle, validant au niveau synaptique l’existence de m\u00e9canismes neuronaux d\u00e9di\u00e9s au codage d’invariants structuraux centr\u00e9s sur l’objet.<\/p>\n Chez l’\u00eatre humain, l’av\u00e8nement de l’imagerie par r\u00e9sonance magn\u00e9tique fonctionnelle (IRMf) \u00e0 la fin des ann\u00e9es 1990 a permis de localiser avec pr\u00e9cision les r\u00e9seaux c\u00e9r\u00e9braux sous-tendant la d\u00e9composition g\u00e9onique. Les recherches men\u00e9es notamment par Russell Epstein, Kalanit Grill-Spector et Rafael Malach ont mis en \u00e9vidence le r\u00f4le cardinal du complexe occipital lat\u00e9ral (Lateral Occipital Complex<\/em> ou LOC).<\/p>\n Le LOC, situ\u00e9 anatomiquement sur la face ventro-lat\u00e9rale du cortex occipito-temporal, pr\u00e9sente une activation robuste et pr\u00e9f\u00e9rentielle face \u00e0 des images d’objets intacts ou des dessins au trait dot\u00e9s de structures volum\u00e9triques reconnaissables, par contraste avec des images bruit\u00e9es poss\u00e9dant la m\u00eame distribution de fr\u00e9quences spatiales mais d\u00e9nu\u00e9es d’organisation g\u00e9om\u00e9trique. En utilisant le paradigme d’adaptation de l’IRMf (ou suppression de r\u00e9p\u00e9tition), des neuroscientifiques comme Irving Biederman et Thomas Hayworth (2006) ont prouv\u00e9 que les voxels du LOC manifestent un ph\u00e9nom\u00e8ne d’adaptation neuronale identique lorsque l’on pr\u00e9sente cons\u00e9cutivement deux vues d’un m\u00eame objet sous des angles de rotation substantiels, \u00e0 la condition expresse que la composition en g\u00e9ons et la topologie des sommets soient pr\u00e9serv\u00e9es.<\/p>\n Ces donn\u00e9es d’imagerie fonctionnelle ont \u00e9galement scell\u00e9 une dissociation anatomique majeure : tandis que les r\u00e9gions occipitales post\u00e9rieures codent fid\u00e8lement les signaux photom\u00e9triques de surface (textures, luminance, couleur), la sous-r\u00e9gion ant\u00e9rieure du LOC s’abstrait de ces facteurs pour encoder exclusivement la g\u00e9om\u00e9trie des parties structurales, fournissant un substrat cortical probant \u00e0 la description structurale postul\u00e9e par la th\u00e9orie de la reconnaissance par les composantes.<\/p>\n L’une des convergences les plus f\u00e9condes de la th\u00e9orie RBC r\u00e9side dans son imbrication th\u00e9orique parfaite avec les travaux de la psychologue cognitiviste Eleanor Rosch<\/a> relatifs \u00e0 la taxonomie cat\u00e9gorielle humaine. Rosch avait d\u00e9montr\u00e9 que notre r\u00e9pertoire conceptuel s’organise selon une structure hi\u00e9rarchique verticale comportant trois paliers d’abstraction : le niveau superordonn\u00e9 (ex. : meuble, v\u00e9hicule, animal), le niveau de base (ex. : chaise, voiture, chien) et le niveau subordonn\u00e9 (ex. : chaise ber\u00e7ante, berline d\u00e9capotable, caniche royal).<\/p>\n Le niveau de base se distingue psychologiquement par une primaut\u00e9 cognitive absolue : c’est le niveau auquel les sujets nomment spontan\u00e9ment les objets, le premier niveau acquis par l’enfant au cours du d\u00e9veloppement du langage, et le niveau auquel l’identification est la plus fulgurante. Or, avant Biederman, aucune th\u00e9orie de la perception ne parvenait \u00e0 expliciter le fondement perceptif physique de cette primaut\u00e9.<\/p>\n La th\u00e9orie de la reconnaissance par les composantes apporte l’explication computationnelle manquante : une cat\u00e9gorie du niveau de base est pr\u00e9cis\u00e9ment d\u00e9finie comme la plus vaste classe d’objets du monde physique partageant une m\u00eame configuration globale canonique de g\u00e9ons et de relations structurales. Tous les objets tombant sous le label \u00ab chaise \u00bb poss\u00e8dent typiquement une assise (bloc horizontal), quatre pieds (cylindres verticaux sous l’assise) et un dossier (plan vertical au-dessus de l’assise). La reconnaissance au niveau de base correspond ainsi, point par point, \u00e0 l’appariement direct du graphe de g\u00e9ons extrait avec la description structurale arch\u00e9typale stock\u00e9e en m\u00e9moire. \u00c0 ce stade g\u00e9n\u00e9rique, l’identification ne r\u00e9clame aucun calcul m\u00e9trique complexe : elle est instantan\u00e9e, robuste et invariante.<\/p>\n \u00c0 l’oppos\u00e9 du niveau de base, la th\u00e9orie RBC se heurte \u00e0 une limite structurelle r\u00e9dhibitoire d\u00e8s lors que l’on aborde la reconnaissance d’exemplaires subordonn\u00e9s au sein d’une morphologie partag\u00e9e. Si tous les chiens poss\u00e8dent la m\u00eame organisation g\u00e9onique fondamentale (un tronc cylindrique, quatre membres cylindriques, un cylindre pour le cou, une t\u00eate et des appendices pour les oreilles et la queue), la simple extraction des g\u00e9ons s’av\u00e8re structurellement incapable d’expliquer comment un observateur distingue un l\u00e9vrier afghan d’un bulldog, ou un go\u00e9land d’un albatros.<\/p>\n Cette aporie atteint son paroxysme avec la reconnaissance des visages humains. Tous les visages sans exception partagent une architecture structurale strictement congruente : un ovo\u00efde central flanqu\u00e9 de deux sph\u00e8res oculaires horizontales, surplombant un volume nasal m\u00e9dian et une fente buccale inf\u00e9rieure. L’alphabet des 36 g\u00e9ons ne peut op\u00e9rer la moindre diff\u00e9renciation d’individuation faciale.<\/p>\n Les neurosciences cognitives ont d\u00e9montr\u00e9 de mani\u00e8re irr\u00e9futable, \u00e0 travers l’\u00e9tude de patients prosopagnosiques et les enregistrements dans l’aire fusiforme des visages (Fusiform Face Area<\/em> ou FFA), que le traitement des visages mobilise un syst\u00e8me de traitement perceptif totalement distinct et parall\u00e8le \u00e0 la voie RBC. Contrairement \u00e0 la vision analytique par parties d\u00e9composables de Biederman, la reconnaissance des visages repose sur un traitement hautement holistique et configural, ultra-sensible aux distances m\u00e9triques continues infinit\u00e9simales (\u00e9cartement inter-pupillaire, distance nez-bouche) et soumis au dramatique effet d’inversion faciale (face inversion effect<\/em>) document\u00e9 par Robert Yin. Le mod\u00e8le g\u00e9onique doit ainsi humblement conc\u00e9der qu’il constitue une th\u00e9orie de la reconnaissance des objets manufactur\u00e9s et biologiques au niveau de base, et non un mod\u00e8le universel de la discrimination d’expertise subordonn\u00e9e.<\/p>\n Une limitation \u00e9pist\u00e9mologique suppl\u00e9mentaire de la th\u00e9orie de Biederman concerne les entit\u00e9s du monde physique qui ne se pr\u00eatent intrins\u00e8quement \u00e0 aucune description volum\u00e9trique convexe segmentable. L’environnement \u00e9cologique abonde en substances continues, amorphes ou chaotiques qui \u00e9chappent constitutivement \u00e0 la taxonomie des g\u00e9ons :<\/p>\n Face \u00e0 ces stimuli, le principe de transversalit\u00e9 \u00e9choue : il n’y a pas de minima de courbure n\u00e9gative r\u00e9guliers, pas de jonctions d’ar\u00eates nettes en Y ou en fl\u00e8che, et par cons\u00e9quent aucun g\u00e9on n’est inductible. La cat\u00e9gorisation et l’interaction avec ces entit\u00e9s physiques indispensables \u00e0 la survie reposent sur des modules de vision tout \u00e0 fait diff\u00e9rents, d\u00e9volus \u00e0 l’analyse statistique des textures de surface (ondelettes spatiales, micro-motifs de gradients), au traitement colorim\u00e9trique par contrastes chromatiques et aux gradients photom\u00e9triques de brillance et de r\u00e9flectance spectrale. La th\u00e9orie RBC ne peut donc pr\u00e9tendre \u00e0 l’exhaustivit\u00e9 \u00e9cologique de la vision.<\/p>\n L’une des faiblesses conceptuelles les plus critiqu\u00e9es de la th\u00e9orie de la reconnaissance par les composantes dans sa formulation originelle de 1987 est son m\u00e9pris presque dogmatique envers les indices de surface, singuli\u00e8rement la texture, la couleur, l’ombrage et la brillance sp\u00e9culaire. Pour Biederman, ces attributs \u00e9taient rel\u00e9gu\u00e9s au rang d’indices hautement secondaires, voire superf\u00e9tatoires, utiles tout au plus pour discriminer des substances amorphes ou acc\u00e9l\u00e9rer marginalement la r\u00e9ponse lors de sc\u00e8nes d\u00e9grad\u00e9es.<\/p>\n Or, une constellation d’\u00e9tudes psychophysiques contemporaines \u2014 men\u00e9es entre autres par Alice O’Toole, James Tanaka et Michael Tarr \u2014 a magistralement r\u00e9fut\u00e9 cette marginalisation des propri\u00e9t\u00e9s photom\u00e9triques. Pour de multiples cat\u00e9gories d’objets naturels (fruits, l\u00e9gumes, min\u00e9raux, animaux terrestres et marins), la couleur ne constitue pas un luxe perceptif tardif, mais une propri\u00e9t\u00e9 diagnostique intrins\u00e8que (color diagnosticity<\/em>) trait\u00e9e d\u00e8s les stades les plus pr\u00e9coces de l’analyse visuelle. Pr\u00e9senter une banane color\u00e9e en pourpre ou une fraise en bleu turquoise ralentit consid\u00e9rablement la reconnaissance et accro\u00eet les taux d’erreur, m\u00eame lorsque la structure g\u00e9om\u00e9trique du contour est parfaitement nette et les g\u00e9ons clairement visibles.<\/p>\n De plus, les indices d’ombrage continu (shape-from-shading<\/em>) fournissent au cortex des informations cruciales sur la convexit\u00e9 et la profondeur sans qu’il soit n\u00e9cessaire d’extraire des contours lin\u00e9aires d’ar\u00eates. L’exclusion de ces signaux photom\u00e9triques dans l’algorithmique de la RBC a conduit le mod\u00e8le \u00e0 n\u00e9gliger un pan colossal des donn\u00e9es perceptives trait\u00e9es quotidiennement par le syst\u00e8me nerveux.<\/p>\n Sur le plan de l’impl\u00e9mentation algorithmique en vision par ordinateur et en intelligence artificielle, la th\u00e9orie RBC s’est heurt\u00e9e \u00e0 ce que les ing\u00e9nieurs nomment le \u00ab gouffre s\u00e9mantique \u00bb (semantic gap<\/em>) ou le mur de l’extraction pr\u00e9coce des contours r\u00e9els. S’il est ais\u00e9 et \u00e9l\u00e9gant d’ex\u00e9cuter la d\u00e9composition en g\u00e9ons \u00e0 partir de dessins au trait synth\u00e9tiques d’une puret\u00e9 id\u00e9ale sur fond blanc, la transposition de ce mod\u00e8le \u00e0 des flux photographiques naturels du monde r\u00e9el s’est av\u00e9r\u00e9e d’une difficult\u00e9 titanesque.<\/p>\n Dans une photographie num\u00e9rique d’une sc\u00e8ne encombr\u00e9e, les algorithmes de d\u00e9tection de contours (comme les filtres de Canny ou de Sobel) sont submerg\u00e9s par un nombre \u00e9crasant de fausses ar\u00eates engendr\u00e9es par les ombres port\u00e9es, les variations de texture de surface, le contre-jour et les reflets sp\u00e9culaires. Simultan\u00e9ment, des contours physiques fondamentaux disparaissent par manque de contraste de luminance local (ph\u00e9nom\u00e8ne de camouflage naturel). Dans ces conditions r\u00e9elles :<\/p>\n Cet \u00e9chec pratique a conduit les concepteurs de vision artificielle \u00e0 abandonner temporairement l’approche purement g\u00e9onique descendante au profit de m\u00e9thodes statistiques denses et d’architectures d’apprentissage automatique profond capables de traiter directement les pixels bruts sans passer par l’abstraction interm\u00e9diaire de contours symboliques id\u00e9alis\u00e9s.<\/p>\n Une derni\u00e8re critique majeure adress\u00e9e par les sciences cognitives contemporaines concerne la rigidit\u00e9 repr\u00e9sentationnelle inh\u00e9rente \u00e0 l’alphabet discret des trente-six g\u00e9ons. Les structures organiques naturelles, issues de millions d’ann\u00e9es d’\u00e9volution phylog\u00e9n\u00e9tique, exhibent une plasticit\u00e9 morphologique et une flexibilit\u00e9 continue qui d\u00e9fient les classifications qualitatives binaires de Biederman.<\/p>\n Comment classifier de mani\u00e8re univoque les contours d’une feuille de vigne, les ramifications serpentiformes d’une pieuvre, les circonvolutions d’un tronc de bonsa\u00ef ou les postures ondulatoires d’un gymnaste ? La tentative de forcer ces formes au sein d’une bo\u00eete discr\u00e8te de 36 solides primaires impose une quantification artificielle qui appauvrit tragiquement l’information morphologique per\u00e7ue. Nombre de th\u00e9oriciens contemporains soulignent la n\u00e9cessit\u00e9 de recourir \u00e0 des repr\u00e9sentations continues param\u00e9triques \u2014 telles que les surfaces de B\u00e9zier, les B-splines tridimensionnelles ou les champs de distance sign\u00e9s (SDF) \u2014, capables de capturer des continuit\u00e9s g\u00e9om\u00e9triques infinit\u00e9simales sans obliger le cortex \u00e0 enfermer la r\u00e9alit\u00e9 dans un carcan cat\u00e9goriel pr\u00e9matur\u00e9.<\/p>\n De surcro\u00eet, le mod\u00e8le de Biederman est fondamentalement une architecture s\u00e9rielle ascendante (bottom-up<\/em> ou flux pilot\u00e9 par les donn\u00e9es sensorielles). Il int\u00e8gre difficilement les puissants m\u00e9canismes de r\u00e9troaction descendante (top-down feedback<\/em>), o\u00f9 les attentes contextuelles de haut niveau, le savoir s\u00e9mantique contextuel et les t\u00e2ches motrices de l’observateur pr\u00e9-activent et modulent dynamiquement le seuil de d\u00e9tection des g\u00e9ons avant m\u00eame que l’analyse des contours ne soit computationnellement achev\u00e9e.<\/p>\n Malgr\u00e9 les \u00e9cueils computationnels rencontr\u00e9s dans le traitement d’images naturelles non contraintes, la th\u00e9orie de la reconnaissance par les composantes a exerc\u00e9 une influence matricielle et f\u00e9conde dans l’histoire de la vision par ordinateur, de la mod\u00e9lisation g\u00e9om\u00e9trique tridimensionnelle et de la robotique manufacturi\u00e8re entre 1985 et les ann\u00e9es 2000.<\/p>\n L’analogie structurelle de la RBC s’est directement mat\u00e9rialis\u00e9e dans les syst\u00e8mes de conception assist\u00e9e par ordinateur (CAO) et dans le paradigme fondamental de la g\u00e9om\u00e9trie constructive de solides (Constructive Solid Geometry<\/em> ou CSG). En CSG, tout objet m\u00e9canique complexe \u2014 d’un vilebrequin de moteur \u00e0 une carlingue d’a\u00e9ronef \u2014 est mod\u00e9lis\u00e9 comme une combinaison arborescente d’op\u00e9rations bool\u00e9ennes (union, intersection, diff\u00e9rence) appliqu\u00e9es \u00e0 un ensemble restreint de primitives g\u00e9om\u00e9triques volum\u00e9triques de base (cylindres, parall\u00e9l\u00e9pip\u00e8des, sph\u00e8res, tores), r\u00e9pliquant rigoureusement l’alphabet g\u00e9onique de Biederman.<\/p>\n Dans le domaine de la robotique industrielle autonome op\u00e9rant dans des environnements contr\u00f4l\u00e9s, les algorithmes de d\u00e9composition volum\u00e9trique fond\u00e9s sur les squelettes axiaux (medial axis transform<\/em> ou squelettisation topologique de Blum) ont permis aux bras manipulateurs d’inf\u00e9rer la structure volum\u00e9trique des pi\u00e8ces manufactur\u00e9es \u00e0 saisir. En rep\u00e9rant les axes de sym\u00e9trie et les points de jonction de concavit\u00e9 des composants sur des convoyeurs industriels, les robots ont pu calculer instantan\u00e9ment les prises pr\u00e9hensiles optimales adapt\u00e9es \u00e0 la g\u00e9om\u00e9trie de chaque partie, d\u00e9montrant la puissance pratique de l’abstraction par composantes.<\/p>\n L’av\u00e8nement fulgurant des r\u00e9seaux de neurones convolutifs profonds (CNN) et des architectures de vision par transformeurs (Vision Transformers ou ViT) au cours de la d\u00e9cennie 2010 a relanc\u00e9 un d\u00e9bat \u00e9pist\u00e9mologique passionnant confrontant l’approche connexionniste statistique \u00e0 la th\u00e9orie RBC de Biederman.<\/p>\n Les r\u00e9seaux neuronaux convolutifs actuels atteignent des taux de pr\u00e9cision spectaculaires sur des banques d’images massives comme ImageNet. Cependant, les travaux exp\u00e9rimentaux pionniers de Robert Geirhos et ses collaborateurs en 2018 ont r\u00e9v\u00e9l\u00e9 une faille fondamentale de ces architectures d’apprentissage profond : l\u00e0 o\u00f9 le syst\u00e8me visuel humain poss\u00e8de un biais de forme (shape bias<\/em>) puissant \u2014 classifiant les objets sur la base de leur g\u00e9om\u00e9trie g\u00e9onique invariante \u2014, les CNN conventionnels souffrent d’un biais massif et d\u00e9l\u00e9t\u00e8re envers les textures superficielles locales (texture bias<\/em>).<\/p>\n Si l’on g\u00e9n\u00e8re par transfert de style une image pr\u00e9sentant la silhouette tridimensionnelle parfaite d’un \u00e9l\u00e9phant recouverte de la texture cutan\u00e9e \u00e9cailleuse d’une peau de l\u00e9opard, un \u00eatre humain nomme sans h\u00e9siter un \u00ab \u00e9l\u00e9phant \u00bb (suivant les principes de la RBC), tandis que les CNN de pointe classifient syst\u00e9matiquement l’image comme un \u00ab l\u00e9opard \u00bb avec un degr\u00e9 de confiance maximal. Cette d\u00e9pendance hyper-vuln\u00e9rable aux textures explique la fragilit\u00e9 notoire des r\u00e9seaux de neurones face aux attaques adverses (adversarial attacks<\/em>) et aux modifications de point de vue.<\/p>\n Pour pallier ces d\u00e9faillances critiques, des \u00e9quipes de recherche contemporaines en intelligence artificielle tentent d’hybrider les r\u00e9seaux neuronaux avec des m\u00e9canismes d’induction structurelle inspir\u00e9s de la RBC. L’objectif est d’obliger les couches interm\u00e9diaires des r\u00e9seaux profonds \u00e0 extraire explicitement des graphes relationnels de g\u00e9ons 3D et des invariants projectifs, restaurant ainsi dans l’intelligence artificielle la robustesse, la transparence et la g\u00e9n\u00e9ralisation ph\u00e9nom\u00e9nale propres \u00e0 l’esprit humain.<\/p>\n Les retomb\u00e9es pratiques de la th\u00e9orie d’Irving Biederman s’\u00e9tendent de mani\u00e8re spectaculaire \u00e0 l’ergonomie cognitive, \u00e0 la s\u00e9miotique visuelle et \u00e0 la conception des interfaces graphiques homme-machine (IHM). Les principes r\u00e9gissant les propri\u00e9t\u00e9s non accidentelles et la pr\u00e9servation des jonctions fournissent un cadre normatif scientifique d’une puissance in\u00e9gal\u00e9e pour concevoir des syst\u00e8mes de signalisation et des ic\u00f4nes \u00e0 lisibilit\u00e9 maximale.<\/p>\n Dans la cr\u00e9ation d’ic\u00f4nes pour logiciels et applications mobiles, les designers appliquent, consciemment ou intuitivement, les axiomes de la RBC :<\/p>\n Dans les environnements critiques tels que l’a\u00e9ronautique militaire et civile, la conception des collimateurs t\u00eate haute (Head-Up Displays<\/em> ou HUD) exploite directement ces r\u00e8gles projectives. Les symboles de vol, les indicateurs d’horizon et les repr\u00e9sentations synth\u00e9tiques de terrain projet\u00e9s sur la verri\u00e8re sont format\u00e9s sous forme de primitives g\u00e9oniques simplifi\u00e9es. M\u00eame en pr\u00e9sence de turbulences extr\u00eames, de brume atmosph\u00e9rique dense ou de vibrations cin\u00e9tiques intenses entra\u00eenant la perte d’une vaste fraction du signal visuel, le pilote militaire continue d’extraire instantan\u00e9ment et sans fatigue cognitive l’assiette et le cap de l’appareil gr\u00e2ce \u00e0 la r\u00e9silience projective des sommets g\u00e9om\u00e9triques pr\u00e9serv\u00e9s.<\/p>\n L’avenir des neurosciences computationnelles de la vision s’oriente r\u00e9solument vers des architectures th\u00e9oriques unifi\u00e9es et int\u00e9gratives, d\u00e9passant les querelles historiques d’\u00e9cole entre tenants exclusifs des repr\u00e9sentations centr\u00e9es sur l’objet et partisans des approches d\u00e9pendantes du point de vue. Le consensus \u00e9mergent mod\u00e9lise la voie ventrale comme un continuum computationnel hautement adaptatif et r\u00e9entrant.<\/p>\n Au sein de ces architectures hybrides de nouvelle g\u00e9n\u00e9ration, les signaux visuels subissent un double codage entrelac\u00e9 au cours de leur ascension \u00e0 travers le cortex :<\/p>\n De surcro\u00eet, les recherches contemporaines sur la plasticit\u00e9 d\u00e9veloppementale sugg\u00e8rent que l’alphabet des g\u00e9ons n’est pas un syst\u00e8me rigide immuable, grav\u00e9 dans le marbre g\u00e9n\u00e9tique, mais une grammaire neuronale auto-organis\u00e9e fa\u00e7onn\u00e9e par l’exposition \u00e9cologique au cours de l’ontogen\u00e8se. L’apprentissage statistique pr\u00e9coce des r\u00e9gularit\u00e9s volum\u00e9triques du monde physique affinerait le r\u00e9pertoire des g\u00e9ons pour optimiser la sparsit\u00e9 du codage neuronal, scellant une synth\u00e8se \u00e9clatante entre inn\u00e9isme structural et plasticit\u00e9 synaptique empirique.<\/p>\n \u00c0 l’aube d’une transition technologique vers l’informatique neuromorphique et la qu\u00eate d’une Intelligence Artificielle G\u00e9n\u00e9rale (AGI) dou\u00e9e de sens commun physique, les principes formul\u00e9s par Irving Biederman connaissent une \u00e9clatante renaissance \u00e9pist\u00e9mologique. L’intelligence humaine ne se borne pas \u00e0 corr\u00e9ler des milliards de param\u00e8tres de surface au sein d’immenses bo\u00eetes noires statistiques : elle raisonne sur des entit\u00e9s physiques discr\u00e8tes dot\u00e9es de permanence causale et g\u00e9om\u00e9trique.<\/p>\n L’int\u00e9gration de modules d’inf\u00e9rence g\u00e9onique au sein de puces neuromorphiques \u00e0 \u00e9v\u00e9nements (event-based cameras<\/em> et processeurs asynchrones de type neuromorphique) permet d’envisager des robots autonomes capables d’interagir avec le monde physique avec une efficience \u00e9nerg\u00e9tique proche du cerveau biologique (quelques watts de consommation). En d\u00e9composant les flux sensoriels asynchrones en primitives g\u00e9oniques symboliques, un bras robotique peut instantan\u00e9ment d\u00e9duire :<\/p>\n Ce mariage entre le symbolisme compositionnel inspir\u00e9 de la th\u00e9orie RBC et la puissance d’apprentissage des r\u00e9seaux neuronaux profonds esquisse les contours d’une nouvelle \u00e8re : celle d’une vision artificielle causale, compositionnelle et explicable, d\u00e9livr\u00e9e de la mal\u00e9diction de la vuln\u00e9rabilit\u00e9 aux textures et enfin capable d’abstraire le monde avec l’intelligence g\u00e9om\u00e9trique d’un \u00eatre pensant.<\/p>\n Pr\u00e8s de quatre d\u00e9cennies apr\u00e8s sa formulation princeps dans les pages de la Psychological Review<\/em> en 1987, la th\u00e9orie de la reconnaissance par les composantes d’Irving Biederman demeure l’un des monuments les plus imposants et les plus f\u00e9conds de la psychologie cognitive et des sciences de l’esprit. En osant affirmer que le myst\u00e8re indicible de la vision des formes pouvait \u00eatre d\u00e9chiffr\u00e9 \u00e0 travers une grammaire finie de solides primaires r\u00e9gis par les lois immortelles de la g\u00e9om\u00e9trie projective, Biederman a conf\u00e9r\u00e9 \u00e0 la perception spatiale un statut comparable \u00e0 celui de la phonologie en linguistique structurale.<\/p>\n Si la th\u00e9orie a d\u00fb composer avec l’\u00e9preuve des faits empiriques \u2014 conc\u00e9dant la souverainet\u00e9 du codage par vues pour les visages et les exemplaires subordonn\u00e9s, et int\u00e9grant l’indispensable r\u00f4le des signaux photom\u00e9triques et de texture \u2014, son noyau dur th\u00e9orique demeure in\u00e9branl\u00e9. Le concept de g\u00e9on, l’imp\u00e9ratif des propri\u00e9t\u00e9s non accidentelles et la centralit\u00e9 des concavit\u00e9s de transversalit\u00e9 constituent d\u00e9sormais des acquis canoniques inscrits au fronton des manuels universitaires mondiaux de neuropsychologie et de sciences cognitives.<\/p>\n L’h\u00e9ritage intellectuel d’Irving Biederman nous rappelle avec une souveraine acuit\u00e9 que voir n’est pas simplement enregistrer une mosa\u00efque de photons passifs, mais reconstruire sans cesse, avec la fougue et la pr\u00e9cision d’un g\u00e9om\u00e8tre invisible, l’architecture intelligible et ordonn\u00e9e de l’univers physique.<\/p>\n Biederman, I. (1987). Recognition-by-components: A theory of human image understanding. Psychological Review<\/em>, 94(2), 115\u2013147. https:\/\/doi.org\/10.1037\/0033-295X.94.2.115<\/a><\/p>\n Biederman, I., & Cooper, E. E. (1991). Priming contour-deleted images: Evidence for intermediate representations in visual object recognition. Cognitive Psychology<\/em>, 23(3), 393\u2013419. https:\/\/doi.org\/10.1016\/0010-0285(91)90014-L<\/a><\/p>\n Binford, T. O. (1971). Visual perception by computer. IEEE Conference on Systems and Control<\/em>, Miami, FL.<\/p>\n B\u00fclthoff, H. H., & Edelman, S. (1992). Psychophysical support for a two-dimensional view interpolation theory of object recognition. Proceedings of the National Academy of Sciences<\/em>, 89(1), 60\u201364. https:\/\/doi.org\/10.1073\/pnas.89.1.60<\/a><\/p>\n Geirhos, R., Rubisch, P., Michaelis, C., Bethge, M., Wichmann, F. A., & Brendel, W. (2018). ImageNet-trained CNNs are biased towards texture; increasing shape bias improves accuracy and robustness. International Conference on Learning Representations (ICLR)<\/em>. https:\/\/arxiv.org\/abs\/1811.12231<\/a><\/p>\n Grill-Spector, K., Kourtzi, Z., & Kanwisher, N. (2001). The lateral occipital complex and its role in object recognition. Vision Research<\/em>, 41(10\u201311), 1409\u20131422. https:\/\/doi.org\/10.1016\/S0042-6989(01)00073-6<\/a><\/p>\n Hayworth, K. J., & Biederman, I. (2006). Neural evidence for intermediate representations in object recognition. The Journal of Neuroscience<\/em>, 26(15), 4002\u20134011. https:\/\/doi.org\/10.1523\/JNEUROSCI.5204-05.2006<\/a><\/p>\n Hoffman, D. D., & Richards, W. A. (1984). Parts of recognition. Cognition<\/em>, 18(1\u20133), 65\u201396. https:\/\/doi.org\/10.1016\/0010-0277(84)90022-2<\/a><\/p>\n Lowe, D. G. (1985). Perceptual organization and visual recognition<\/em>. Kluwer Academic Publishers. https:\/\/doi.org\/10.1007\/978-1-4613-2551-2<\/a><\/p>\n Marr, D. (1982). Vision: A computational investigation into the human representation and processing of visual information<\/em>. W. H. Freeman and Company.<\/p>\n Marr, D., & Nishihara, H. K. (1978). Representation and recognition of the spatial organization of three-dimensional shapes. Proceedings of the Royal Society of London. Series B. Biological Sciences<\/em>, 200(1140), 269\u2013294. https:\/\/doi.org\/10.1098\/rspb.1978.0020<\/a><\/p>\n Riesenhuber, M., & Poggio, T. (1999). Hierarchical models of object recognition in cortex. Nature Neuroscience<\/em>, 2(11), 1019\u20131025. https:\/\/doi.org\/10.1038\/14819<\/a><\/p>\n Rosch, E., Mervis, C. B., Gray, W. D., Johnson, D. M., & Boyes-Braem, P. (1976). Basic objects in natural categories. Cognitive Psychology<\/em>, 8(3), 382\u2013439. https:\/\/doi.org\/10.1016\/0010-0285(76)90013-X<\/a><\/p>\n Tanaka, K. (1996). Inferotemporal cortex and object vision. Annual Review of Neuroscience<\/em>, 19(1), 109\u2013139. https:\/\/doi.org\/10.1146\/annurev.ne.19.030196.000545<\/a><\/p>\n Tarr, M. J., & B\u00fclthoff, H. H. (1995). Is human object recognition better described by geon structural descriptions or by multiple views? Comment on Biederman and Gerhardstein (1993). Journal of Experimental Psychology: Human Perception and Performance<\/em>, 21(6), 1494\u20131505. https:\/\/doi.org\/10.1037\/0096-1523.21.6.1494<\/a><\/p>\n Ullman, S. (1996). High-level vision: Object recognition and visual cognition<\/em>. The MIT Press.<\/p>\n Ungerleider, L. G., & Mishkin, M. (1982). Two cortical visual systems. In D. J. Ingle, M. A. Goodale, & R. J. W. Mansfield (Eds.), Analysis of Visual Behavior<\/em> (pp. 549\u2013586). The MIT Press.<\/p>\n","protected":false},"excerpt":{"rendered":" Analyse approfondie de la th\u00e9orie de la reconnaissance par les composantes d’Irving Biederman : g\u00e9ons, invariance visuelle et m\u00e9canismes neurocognitifs.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[4095,647],"tags":[11347,11345,4757,2915,11346],"class_list":["post-9929","psych_article","type-psych_article","status-publish","hentry","category-perception-visuelle","category-psychologie-cognitive","tag-geons","tag-irving-biederman","tag-neurosciences-cognitives","tag-perception-visuelle","tag-theorie-de-la-reconnaissance-par-les-composantes"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_article\/9929","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_article"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_article"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=9929"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_article\/9929\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=9929"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=9929"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=9929"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}1. Introduction et fondements \u00e9pist\u00e9mologiques de la th\u00e9orie de la reconnaissance par les composantes<\/h2>\n
1.1 Contexte historique de la psychologie de la perception visuelle<\/h3>\n
1.2 Objectifs th\u00e9oriques et paradigme computationnel<\/h3>\n
1.3 L’analogie phonologique : du phon\u00e8me au g\u00e9on<\/h3>\n
2. Le concept central de g\u00e9on : D\u00e9finition et morphologie g\u00e9om\u00e9trique<\/h2>\n
2.1 D\u00e9finition structurelle et volum\u00e9trique des g\u00e9ons<\/h3>\n
2.2 La taxonomie des 36 g\u00e9ons fondamentaux<\/h3>\n
\n
2.3 R\u00e9sistance \u00e0 la d\u00e9gradation de l’image<\/h3>\n
3. Propri\u00e9t\u00e9s non accidentelles (NAP) et invariance projective<\/h2>\n
3.1 Principe d’invariance et r\u00e9gularit\u00e9s optiques<\/h3>\n
3.2 Les cinq propri\u00e9t\u00e9s non accidentelles fondamentales<\/h3>\n
\n
3.3 Typologie et r\u00f4le discriminant des jonctions<\/h3>\n
\n
4. Le processus computationnel de d\u00e9composition visuelle<\/h2>\n
4.1 \u00c9tape 1 : Extraction pr\u00e9coce des contours et des ar\u00eates<\/h3>\n
4.2 \u00c9tape 2 : D\u00e9tection des concavit\u00e9s et segmentation volum\u00e9trique<\/h3>\n
4.3 \u00c9tape 3 : Cartographie des propri\u00e9t\u00e9s non accidentelles et identification des g\u00e9ons<\/h3>\n
\n
5. L’organisation structurale et les relations spatiales entre g\u00e9ons<\/h2>\n
5.1 Grammaire des relations spatiales<\/h3>\n
\n
5.2 Construction de la description structurale globale<\/h3>\n
\n
5.3 R\u00e9solution de l’ambigu\u00eft\u00e9 par redondance relationnelle<\/h3>\n
6. L’exp\u00e9rience s\u00e9minale de Biederman (1987) et preuves empiriques<\/h2>\n
6.1 Protocole exp\u00e9rimental et m\u00e9thodologie de d\u00e9gradation<\/h3>\n
\n
6.2 R\u00e9sultats statistiques et corroborations comportementales<\/h3>\n
6.3 Amor\u00e7age structural et effets de transfert<\/h3>\n
7. Invariance du point de vue : D\u00e9bats et contrastes th\u00e9oriques<\/h2>\n
7.1 Le mod\u00e8le RBC : Repr\u00e9sentation centr\u00e9e sur l’objet (Object-Centered)<\/h3>\n
7.2 L’approche concurrente : Mod\u00e8les d\u00e9pendants du point de vue (View-Based)<\/h3>\n
7.3 R\u00e9conciliation et consensus th\u00e9orique contemporain<\/h3>\n
\n
8. Neurobiologie et substrats c\u00e9r\u00e9braux de la reconnaissance par composantes<\/h2>\n
8.1 Voie ventrale et hi\u00e9rarchie du traitement visuel<\/h3>\n
\n
8.2 Preuves neurophysiologiques chez le primate non humain<\/h3>\n
8.3 \u00c9tudes de neuro-imagerie fonctionnelle humaine (IRMf)<\/h3>\n
9. Diff\u00e9renciation cat\u00e9gorielle : Reconnaissance de base versus reconnaissance d’exemplaire<\/h2>\n
9.1 Le niveau de base d’Eleanor Rosch sous l’angle de la th\u00e9orie RBC<\/h3>\n
9.2 Le probl\u00e8me des exemplaires subordonn\u00e9s et des visages<\/h3>\n
9.3 Objets amorphes et substances naturelles sans g\u00e9ons<\/h3>\n
\n
10. Limites th\u00e9oriques et critiques contemporaines du mod\u00e8le RBC<\/h2>\n
10.1 La sous-estimation des indices de surface<\/h3>\n
10.2 La complexit\u00e9 computationnelle de l’extraction des g\u00e9ons r\u00e9els<\/h3>\n
\n
10.3 D\u00e9bats sur la flexibilit\u00e9 des repr\u00e9sentations internes<\/h3>\n
11. Applications pratiques : Intelligence artificielle, vision par ordinateur et ergonomie<\/h2>\n
11.1 Mod\u00e9lisation 3D et vision par ordinateur pr\u00e9-apprentissage profond<\/h3>\n
11.2 Confrontation avec les r\u00e9seaux de neurones convolutifs (CNN)<\/h3>\n
11.3 Ergonomie visuelle, signal\u00e9tique et design d’interfaces<\/h3>\n
\n
12. Perspectives futures et int\u00e9gration dans les mod\u00e8les cognitifs hybrides<\/h2>\n
12.1 Synth\u00e8se entre codage par vues et codage par parties<\/h3>\n
\n
12.2 Neuromorphisme et intelligence artificielle g\u00e9n\u00e9rale<\/h3>\n
\n
12.3 Conclusion : L’h\u00e9ritage intellectuel d’Irving Biederman<\/h3>\n
R\u00e9f\u00e9rences<\/h2>\n