চোখ খোলা মাত্রই আলো, রঙ ও গতিময় ত্রিমাত্রিক জগতের যে স্পষ্ট রূপ আমরা দেখি, রেটিনার স্তরে তা কেবল এলোমেলো ফোটন কণার বিশৃঙ্খল আঘাত ছাড়া কিছুই নয়। মস্তিষ্ক এই কাঁচা তথ্যকে ডিকোড ও রিকনস্ট্রাক্ট করে ভেন্ট্রাল ভিজ্যুয়াল স্ট্রিম-এর মাধ্যমে। ডেভিড হুবেল এবং টর্স্টেন উইজেলের নোবেলজয়ী আবিষ্কার থেকে শুরু করে আজকের গভীর কনভোলিউশনাল নিউরাল নেটওয়ার্ক (CNN) পর্যন্ত—ভিজ্যুয়াল কর্টেক্সের এই স্তরভিত্তিক ফিল্টারিং মানব মস্তিষ্ক ও কৃত্রিম বুদ্ধিমত্তার সবচেয়ে সফল সেতুবন্ধন।
১. হুবেল ও উইজেল: রিসেপ্টিভ ফিল্ডের স্তরবিন্যাস
১৯৫৯ সালে হুবেল ও উইজেল আবিষ্কার করেন যে রেটিনা ও থ্যালামাস গোলাকার আলোর বিন্দুতে সাড়া দিলেও, প্রাইমারি ভিজ্যুয়াল কর্টেক্সের (V1) নিউরনগুলো কেবল সুনির্দিষ্ট কোণে থাকা আলোর রেখা বা প্রান্তে সাড়া দেয়। তাঁরা V1-এর নিউরনগুলোকে দুটি ভাগে বিভক্ত করেন:
- সিম্পল সেল (Simple Cells): এদের নির্দিষ্ট “ON” ও “OFF” উপ-অঞ্চল থাকে। আলোর রেখাটি ঠিক তাদের পছন্দের কোণ ও অবস্থানে থাকলেই কেবল তারা সর্বোচ্চ ফায়ার করে।
- কমপ্লেক্স সেল (Complex Cells): এদের ফেজ বা অবস্থানের ওপর কোনো কড়া নির্ভরতা নেই। একটি নির্দিষ্ট কোণের রেখা এদের রিসেপ্টিভ ফিল্ডের যেকোনো অংশ দিয়ে সরে গেলেই এরা প্রবলভাবে ফায়ার করে (Phase Invariance)।
২. ২-ডি গ্যাবর ওয়েভলেট (2D Gabor Wavelet)
১৯৮০ সালে জন ডগম্যান প্রমাণ করেন যে V1 সিম্পল সেলের রিসেপ্টিভ ফিল্ড মূলত স্থান এবং স্থানিক কম্পাঙ্কের অনিশ্চয়তার গুণফলকে সর্বনিম্ন সীমায় রাখে ($Delta x Delta k_x = 1/2$)। একে গাণিতিকভাবে ২-ডি গ্যাবর ওয়েভলেট দ্বারা প্রকাশ করা হয়—যা একটি সাইনোসয়েডাল তরঙ্গের সাথে উপবৃত্তাকার গাউসিয়ান খামের গুণফল:
psi(x, y) = expleft( -frac{x’^2 + gamma^2 y’^2}{2sigma^2} right) cosleft( 2pi frac{x’}{lambda} + phi right)
একটি সিম্পল সেল মূলত ইনপুট ছবির সাথে তার গ্যাবর ফিল্টারের ডট প্রোডাক্ট বা কনভোলিউশন গণনা করে।
৩. ম্যাক্স-পুলিং ও এনার্জি মডেল
সাইমনসেলি ও হিগার দেখান যে একটি কমপ্লেক্স সেল দুটি কোয়াড্রেচার সিম্পল সেলের বর্গের যোগফল নেয় ($r_{text{complex}} = r_{text{even}}^2 + r_{text{odd}}^2$)। ত্রিকোণমিতিক নিয়মে ($cos^2 + sin^2 = 1$) ফেজের প্রভাব মুছে গিয়ে কেবল কোণের তীব্রতা বা এনার্জি অবশিষ্ট থাকে। ১৯৮০ সালে কুনিহিকো ফুকুশিমা ফিল্টারিং ও পুলিংয়ের এই পর্যায়ক্রমিক বিন্যাসকে নিওকগনিট্রন (Neocognitron)-এ রূপ দেন, যা আজকের ডিপ সিএনএন (CNN) ও কম্পিউটার ভিশনের সরাসরি পূর্বসূরি।
৪. কর্টিকাল পিনহুইল ও ডিভিশনাল নরমালাইজেশন
V1-এর পৃষ্ঠদেশে বিভিন্ন কোণের নিউরনগুলো এক ঘূর্ণি বিন্দুর চারিদিকে চক্রাকারে সাজানো থাকে, যাকে পিনহুইল সেন্টার বলে। একই সাথে ডিভিশনাল নরমালাইজেশন-এর মাধ্যমে একটি নিউরনের রেসপন্স তার চারপাশের অন্যান্য নিউরনের সমন্বিত সক্রিয়তা দিয়ে ভাগ হয়, যা আলোর তীব্রতার বৈচিত্র্য সত্ত্বেও ছবির বৈসাদৃশ্য বা কনট্রাস্ট নিখুঁতভাবে ধরে রাখে।
