단안 큐란?

단안 큐는 한쪽 눈만 필요로하는 깊이 인식을위한 시각적 큐입니다. 한쪽 눈에 시력이 상실된 사람들은 여전히 ​​이러한 신호에 의존하여 세계를 탐색 할 수 있지만 심도 인식이 손상 될 수 있습니다. 몇 가지 예로 모션 시차, 삽입 및 선형 투시가 있습니다. 이러한 단서 중 다수는 예술 작품에서 볼 수 있습니다. 예술가는 시각적 트릭을 사용하여 시각적 장면에 깊이와 질감을 추가하여 시청자가 3 차원 환경을보고있는 것처럼 느끼게합니다.

단안 큐의 한 예는 크기 및 높이 차이입니다. 사람들은 객체의 상대적 크기에 대한 알려진 데이터에 의존하여 스스로 방향을 정합니다. 작은 차는 예를 들어 차 크기에 대해 알려진 것에 의존하여 더 멀리 해석됩니다. 마찬가지로, 물체의 정확한 크기 나 높이를 모르더라도 주변 물체를 일반적인 참조로 사용할 수 있습니다. 예를 들어, 더 큰 나무가 더 가까워 졌다는 가정하에 같은 유형과 모양이지만 크기가 다른 두 나무가 서로 다른 거리에서 인식됩니다.

먼 선이 수렴하는 것처럼 보이는 선형 원근법은 깊이 인식에 중요한 단안 큐입니다. 이 선들에 대한 물체의 위치도 판단 할 수 있습니다. 수평선에서 기차 트랙의 명백한 수렴이 예입니다. 사람들이 움직일 때 먼 물체가 더 느리게 움직이는 경향이있는 움직임 시차는 사람들이 환경에서 물체의 위치를 ​​결정하기 위해 사용하는 단안 단서 중 하나입니다. 기차를 탄 사람은 몇 분 또는 몇 시간 동안 먼 산을 볼 수 있으며, 전봇대는 몇 초 만에 울립니다. 그 사람은 산이 더 멀리 있다는 것을 알고 있습니다.

다른 단안 큐는 텍스처 그라디언트를 포함하는데, 텍스처 그라디언트는 텍스처가 더 가까이있을 때 대기의 관점과 함께 더 상세하고 정밀하게 나타납니다. 먼지와 같은 대기 중단으로 인해 멀리있는 물체가 흐릿하거나 창백하거나 다르게 보일 수 있으며 이러한 시각적 왜곡은 물체의 거리에 대한 단서를 제공 할 수 있습니다. 개입은 또 다른 단안 큐입니다. 눈은 물체가 다른 물체와 겹쳐지면 겹쳐진 물체가 더 멀리 있다고 가정합니다.

각 단안 큐는 뇌가 망막에 투영 된 이미지를 해석하는 데 도움이 될 수 있습니다. 세계는 3 차원이지만 눈은 실제로 2 차원으로 보며 뇌는 시각적 신호에 의존하여 3 차원 피드백을 제공합니다. 다른 깊이 인식 신호는 양안이며, 양쪽 눈이 환경에서 물체의 위치를 ​​고정시켜야합니다.