साइक्लोडिस्पेरिटी द्विगोलकीय दृष्टि और स्टीरियोप्सिस में एक अवधारणा है, जो दोनों रेटिना पर प्रक्षेपित छवियों के घूर्णी अभिविन्यास में अंतर को संदर्भित करती है। क्षैतिज विसंगति के विपरीत, जो आंखों के पार्श्विक पृथक्करण से उत्पन्न होती है और गहराई के लिए प्राथमिक संकेत प्रदान करती है, साइक्लोडिस्पेरिटी में दृष्टि की रेखा के चारों ओर एक आंख की छवि का दूसरे के सापेक्ष घूर्णन शामिल होता है। यह घूर्णी अंतर प्राकृतिक देखने में आम तौर पर छोटा होता है, अक्सर कुछ डिग्री से कम, लेकिन यह त्रि-आयामी स्थान में सतहों के झुकाव और तिरछेपन को समझने में महत्वपूर्ण भूमिका निभाता है।
मानव दृश्य प्रणाली दृश्य कॉर्टेक्स में विशेष तंत्रों के माध्यम से साइक्लोडिस्पेरिटी को संसाधित करती है, विशेष रूप से V1 और MT जैसे क्षेत्रों में, जो अभिविन्यास और गति के प्रति संवेदनशील होते हैं। ये तंत्र साइक्लोडिस्पेरिटी को अन्य गहराई संकेतों, जैसे कि एकदृष्टि संकेत और गति लंबन, के साथ एकीकृत करने में मदद करते हैं, ताकि पर्यावरण की एक सुसंगत धारणा उत्पन्न हो सके। शोध से पता चला है कि मस्तिष्क कुछ आर्कमिनट जितनी छोटी साइक्लोडिस्पेरिटी का पता लगा सकता है, जो बारीक गहराई विभेदन में इसकी संवेदनशीलता और महत्व को प्रदर्शित करता है।
ऐतिहासिक पृष्ठभूमि
साइक्लोडिस्पेरिटी का अध्ययन 19वीं शताब्दी से शुरू होता है, जब चार्ल्स व्हीटस्टोन और हरमन वॉन हेल्महोल्ट्ज़ जैसे प्रारंभिक दृष्टि वैज्ञानिकों ने द्विगोलकीय दृष्टि की ज्यामिति का पता लगाया था। 1838 में व्हीटस्टोन के स्टीरियोस्कोप के आविष्कार ने प्रदर्शित किया कि प्रत्येक आंख को थोड़ी अलग छवियां प्रस्तुत करने से गहराई की एक सम्मोहक भावना पैदा हो सकती है, जिसने विसंगति को समझने की नींव रखी। हालांकि, साइक्लोडिस्पेरिटी की व्यवस्थित रूप से जांच 20वीं शताब्दी के मध्य तक नहीं की गई थी, जब बेला जुलेज़ जैसे शोधकर्ताओं ने अन्य संकेतों से विसंगति प्रसंस्करण को अलग करने के लिए यादृच्छिक-बिंदु स्टीरियोग्राम का उपयोग किया। 1960 के दशक में जुलेज़ के काम ने खुलासा किया कि दृश्य प्रणाली विशुद्ध रूप से साइक्लोपियन उत्तेजनाओं से गहराई निकाल सकती है, जो वैश्विक स्टीरियोप्सिस में साइक्लोडिस्पेरिटी की भूमिका को उजागर करती है।
कम्प्यूटेशनल मॉडल
कंप्यूटर विज़न और कृत्रिम बुद्धिमत्ता के क्षेत्र में, साइक्लोडिस्पेरिटी को स्टीरियो विज़न एल्गोरिदम में मौलिक मैट्रिक्स या आवश्यक मैट्रिक्स के एक घटक के रूप में मॉडल किया जाता है। ये मॉडल दो कैमरा दृश्यों के बीच सापेक्ष घूर्णन और अनुवाद का अनुमान लगाते हैं, जिसमें साइक्लोडिस्पेरिटी ऑप्टिकल अक्ष के चारों ओर घूर्णी घटक के अनुरूप होती है। स्टीरियो मिलान के लिए एल्गोरिदम अक्सर गहराई अनुमान में सुधार के लिए साइक्लोडिस्पेरिटी सुधार को शामिल करते हैं, विशेष रूप से स्वायत्त ड्राइविंग और रोबोटिक्स जैसे अनुप्रयोगों में। उदाहरण के लिए, वेमो और टेस्ला ऑटोपायलट स्टीरियो कैमरा सिस्टम का उपयोग करते हैं जिन्हें सड़क ज्यामिति और बाधाओं को सटीक रूप से समझने के लिए साइक्लोडिस्पेरिटी का हिसाब रखना चाहिए। गहन शिक्षण में प्रगति ने तंत्रिका नेटवर्क आर्किटेक्चर को जन्म दिया है जो बड़े डेटासेट से साइक्लोडिस्पेरिटी का अनुमान लगाना सीखते हैं, जिससे वास्तविक दुनिया के परिदृश्यों में मजबूती में सुधार होता है।
गहराई धारणा में अनुप्रयोग
साइक्लोडिस्पेरिटी झुकी हुई सतहों के अभिविन्यास को समझने के लिए महत्वपूर्ण है, जैसे कि एक झुका हुआ टेबलटॉप या एक घुमावदार सड़क। जब कोई पर्यवेक्षक ऐसी सतह देखता है जो दृष्टि की रेखा के लंबवत नहीं है, तो रेटिना पर छवियां एक सापेक्ष घूर्णन से गुजरती हैं, जिसे मस्तिष्क झुकाव के रूप में व्याख्या करता है। यह संकेत विशेष रूप से आभासी वास्तविकता और संवर्धित वास्तविकता प्रणालियों में महत्वपूर्ण है, जहां उपयोगकर्ता विसर्जन के लिए सटीक गहराई प्रतिपादन आवश्यक है। सोनी एआई और गूगल डीपमाइंड जैसी कंपनियों ने अधिक यथार्थवादी 3D डिस्प्ले और दृश्य पुनर्निर्माण के लिए जनरेटिव एआई मॉडल विकसित करने में साइक्लोडिस्पेरिटी का उपयोग करने का पता लगाया है। इसके अतिरिक्त, साइक्लोडिस्पेरिटी चिकित्सा इमेजिंग में भूमिका निभाती है, जहां शारीरिक संरचनाओं का स्टीरियोस्कोपिक दृश्य सटीक विसंगति प्रसंस्करण पर निर्भर करता है।
माप और मनोभौतिकी
मनोभौतिक अध्ययनों ने घूर्णन यादृच्छिक-बिंदु पैटर्न जैसे उत्तेजनाओं का उपयोग करके साइक्लोडिस्पेरिटी के प्रति मानव संवेदनशीलता को मापा है। ये प्रयोग आम तौर पर एक केंद्रीय निर्धारण बिंदु और नियंत्रित घूर्णी ऑफसेट के साथ परिधीय उत्तेजनाओं को प्रस्तुत करते हैं, उस सीमा को मापते हैं जिस पर पर्यवेक्षक घूर्णन का पता लगा सकते हैं। निष्कर्ष बताते हैं कि संवेदनशीलता विलक्षणता और उत्तेजना आकार के साथ भिन्न होती है, बड़े और अधिक परिधीय उत्तेजनाओं के लिए छोटी सीमा की आवश्यकता होती है। साइक्लोडिस्पेरिटी का क्षैतिज विसंगति के साथ एकीकरण भी अध्ययन किया जाता है, क्योंकि दोनों संकेत एक एकीकृत गहराई धारणा उत्पन्न करने के लिए परस्पर क्रिया करते हैं। विसंगति ऊर्जा मॉडल जैसे मॉडल को साइक्लोडिस्पेरिटी के लिए विस्तारित किया गया है, जो प्रारंभिक दृश्य क्षेत्रों में तंत्रिका प्रतिक्रियाओं को समझने के लिए एक रूपरेखा प्रदान करता है।
संबंधित अवधारणाएं
साइक्लोडिस्पेरिटी अन्य द्विगोलकीय संकेतों से निकटता से संबंधित है, जिसमें क्षैतिज विसंगति, ऊर्ध्वाधर विसंगति और अभिसरण नेत्र गति शामिल हैं। जबकि क्षैतिज विसंगति क्षैतिज अक्ष के साथ गहराई को एन्कोड करती है, ऊर्ध्वाधर विसंगति देखने की दूरी और सिर के अभिविन्यास के बारे में जानकारी प्रदान करती है। साइक्लोडिस्पेरिटी विशेष रूप से घूर्णी अंतर को पकड़ती है, जो सतह झुकाव धारणा के लिए आवश्यक हैं। मशीन लर्निंग में, साइक्लोडिस्पेरिटी छवि पंजीकरण और ऑप्टिकल प्रवाह अनुमान में घूर्णी अपरिवर्तनशीलता समस्या के अनुरूप है, जहां एल्गोरिदम को अलग-अलग अभिविन्यास वाली छवियों को संरेखित करना होता है। डेटा संवर्धन और बैच सामान्यीकरण जैसी तकनीकें अक्सर ऐसे विविधताओं के प्रति मॉडल मजबूती में सुधार के लिए उपयोग की जाती हैं।
भविष्य की दिशाएं
तंत्रिका विज्ञान और कृत्रिम बुद्धिमत्ता में चल रहे शोध साइक्लोडिस्पेरिटी के तंत्रिका आधार और इसके कम्प्यूटेशनल कार्यान्वयन का पता लगाना जारी रखते हैं। मस्तिष्क-कंप्यूटर इंटरफेस और न्यूरोमॉर्फिक कंप्यूटिंग को यह समझने से लाभ हो सकता है कि मस्तिष्क घूर्णी विसंगति को कैसे एन्कोड करता है। स्वायत्त प्रणालियों में, साइक्लोडिस्पेरिटी को LiDAR और रडार जैसी अन्य संवेदी विधियों के साथ एकीकृत करने से कोहरे या कम रोशनी जैसी चुनौतीपूर्ण परिस्थितियों में गहराई धारणा बढ़ सकती है। जैसे-जैसे बड़े भाषा मॉडल और Transformer (architecture) आर्किटेक्चर आगे बढ़ते हैं, वे स्टीरियो विज़न कार्यों पर भी लागू हो सकते हैं, संभावित रूप से जटिल दृश्यों में साइक्लोडिस्पेरिटी की व्याख्या में सुधार कर सकते हैं।