본 연구는 CNN과 비전 트랜스포머(ViT)가 텍스처 인지에서 인간과 얼마나 유사한지 비교 분석했어요. 세 가지 알고리즘으로 생성한 다양한 복잡도의 텍스처를 활용해 모델 내부 표현 정보를 정량화하고 인간 심리 물리학 데이터와 비교했죠.
ViT는 텍스처 복잡도에 관계없이 유사한 표현을 형성하며, CNN과는 다른 텍스처 표현을 나타냈어요. 인간의 텍스처 인지 성능은 ViT 표현으로 더 잘 예측 가능했어요.
결과적으로 ViT는 CNN보다 인간의 시각적 텍스처 처리 방식을 더 잘 반영하며, 모델 아키텍처가 텍스처 자극 표현에 영향을 미칠 수 있음을 시사합니다.