Abstract Shape perception is essential for numerous everyday behaviors from object recognition to grasping and handling objects. Yet how the brain encodes shape remains poorly understood. Here, we probed shape representations using visual aftereffects—perceptual distortions that occur following extended exposure to a stimulus—to resolve a long-standing debate about shape encoding. We implemented contrasting low-level and high-level computational models of neural adaptation, which made precise and distinct predictions about the illusory shape distortions the observers experience following adaptation. Directly pitting the predictions of the two models against one another revealed that the perceptual distortions are driven by high-level shape attributes derived from the statistics of natural shapes. Our findings suggest that the diverse shape attributes thought to underlie shape encoding (e.g., curvature distributions, ‘skeletons’, aspect ratio) are the result of a visual system that learns to encode natural shape geometries based on observing many objects.

Pictorial awareness is addressed through experimental phenomenology involving over 90 naïve participants. Since one can’t look at the “same” picture twice the study uses one-shot trials. The participant’s fascination for the duration of a session is held through the artistic principle of theme and variation. Six variations focus on the theme of pictorial geometry, both two-dimensional and three-dimensional. Major findings are: Idiosyncratic deviations from veridical are huge as compared to common textbook “effects.” Observers wield arbitrary heuristics for tasks that are “formally related.” The assumption of a common formal framework is apparently unsound. The notion of “inverse optics” is misleading. A fair fraction of the population appears to lack monocular stereopsis as intuitive awareness. It suggests an as-yet unrecognized, but perhaps common variety of aphantasia.

A prominent feature of brain activity with relevance to cognitive processes is Phase-Amplitude Coupling (PAC) between slow and fast oscillatory signals. A newly developed neural mass model of cross-frequency coupling [1] predicts, counter-intuitively, that PAC shows sustained increases after repetitive Transcranial Magnetic Stimulation (rTMS). This is because rTMS leads to simultaneous neuronal firing in distinct regions, thereby enhancing the connectivity that, according to the model, is needed for PAC to be increased. We tested this prediction in healthy human volunteers. Two seconds of 10Hz rTMS were applied to the intraparietal sulcus, temporal-parietal junction, and lateral occipital complex. PAC in the subsequent electro-encephalogram was analyzed for two band pairs, theta-gamma and alpha-gamma, and compared to a sham condition. For all stimulation loci, PAC was higher in both band pairs after rTMS than in the sham condition. These results were found to be conform the model prediction. The perspective for using rTMS to modulate cross-band coupling is discussed.

Abstract Background Categorization and its influence on perceptual discrimination are essential processes to organize information efficiently. Individuals with Autism Spectrum Condition (ASC) are suggested to display enhanced discrimination on the one hand, but also to experience difficulties with generalization and ignoring irrelevant differences on the other, which underlie categorization. Studies on categorization and discrimination in ASC have mainly focused on one process at a time, however, and typically only used either behavioral or neural measures in isolation. Here, we aim to investigate the interrelationships between these perceptual processes using novel stimuli sampled from a well-controlled artificial stimulus space. In addition, we complement standard behavioral psychophysical tasks with frequency-tagging EEG (FT-EEG) to obtain a direct, non-task related neural index of discrimination and categorization. Methods The study was completed by 38 adults with ASC and 38 matched neurotypical (NT) individuals. First, we assessed baseline discrimination sensitivity by administering FT-EEG measures and a complementary behavioral task. Second, participants were trained to categorize the stimuli into two groups. Finally, participants again completed the neural and behavioral discrimination sensitivity measures. Results Before training, NT participants immediately revealed a categorical tuning of discrimination, unlike ASC participants who showed largely similar discrimination sensitivity across the stimuli. During training, both autistic and non-autistic participants were able to categorize the stimuli into two groups. However, in the initial training phase, ASC participants were less accurate and showed more variability, as compared to their non-autistic peers. After training, ASC participants showed significantly enhanced neural and behavioral discrimination sensitivity across the category boundary. Behavioral indices of a reduced categorical processing and perception were related to the presence of more severe autistic traits. Bayesian analyses confirmed overall results. Limitations Data-collection occurred during the COVID-19 pandemic. Conclusions Our behavioral and neural findings indicate that adults with and without ASC are able to categorize highly similar stimuli. However, while categorical tuning of discrimination sensitivity was spontaneously present in the NT group, it only emerged in the autistic group after explicit categorization training. Additionally, during training, adults with autism were slower at category learning. Finally, this multi-level approach sheds light on the mechanisms underlying sensory and information processing issues in ASC.