연구팀은 비전 모델의 색상 인지 방식을 인간의 퍼지 지각 모델과 비교 분석했어요. 기존 방식은 색상 공간이나 범주를 기준으로 평가했지만, 이번 연구는 인간의 색상 조직 방식을 반영하는 퍼지 모델을 사용했어요. 11개의 비전 트랜스포머 인코더를 분석한 결과, 마스크 자동 인코더(MAE)가 인간의 색상 인지 방식과 가장 유사한 결과를 보였어요.
MAE는 자연 이미지에서 표면 색상을 전반적으로 표현하는 반면, 언어 지도 학습 모델은 색상을 전경 객체와 연관하여 인코딩하는 경향이 있어요.
연구팀은 색상 범주 경계, 범주 응집도, 색상 기하학적 구조를 넘어선 정렬 등 세 가지 상호 보완적인 속성을 측정하는 프레임워크를 개발했어요. 이 프레임워크는 모든 이미지 인코더에 적용 가능하며, 색상 인지 방식 평가에 새로운 관점을 제시해요.