在進行弱視的雙眼分視（Dichoptic）訓練時，許多實踐者會遭遇一個極度反直覺的臨床現象：當戴上 VR 設備觀看由本機端生成的「無損 Gabor Patch 影片」時，弱視眼被抑制的時間，竟然遠遠高於觀看 YouTube 下載的 4K 串流影片。
這個現象往往讓人誤以為無損影片的訓練效果較差。然而，從視覺神經科學的角度來看，這非但不是失敗，反而是「刺激效度達到實驗室級別」的鐵證。本文將深入探討此現象背後的神經抑制機制，並提出不妥協畫質的終極解法：透過調整「畫面比例（Stimulus Size/Ratio）」來打破雙眼競爭的僵局。
一、 強刺激觸發強抑制：優勢眼的絕對武力
弱視的核心病理並非眼球結構受損，而是大腦中優勢眼對弱視眼產生了強烈的「主動神經抑制（Interocular Suppression）」。
在初級視覺皮層（V1）的雙眼競爭機制中，神經元的激發強度取決於輸入訊號的純粹度。無損的 Gabor Patch 具備完美的數學高頻邊緣與精確的對比度梯度。當優勢眼接收到如此完美的「頂級刺激源」時，其對應的神經迴路會瞬間火力全開，並依據大腦的抑制機制，向弱視眼的神經元釋放空前強大的 GABA（γ-胺基丁酸）抑制訊號。
這就是為什麼在無損畫質下，弱視眼會面臨更嚴重的黑屏或畫面消失——因為優勢眼的「武器」被無損訊號徹底升級了。
二、 串流媒體的「保護傘效應」：虛假的視覺平衡
相較之下，為何觀看 YouTube 等串流平台上的高位元速率影片時，弱視眼反而比較容易看見畫面？
這是因為 YouTube 的破壞性壓縮演算法（如 VP9/AV1）本質上是一個「低通濾波器（Low-pass Filter）」。它抹除了影像的高頻空間資訊，將銳利的 Gabor 條紋替換成了帶有區塊效應（Macroblocking）與色階斷層的數位雜訊。
對大腦而言，這些壓縮瑕疵屬於「劣質刺激」。當優勢眼只接收到糊化的低頻雜訊時，V1 神經元無法達到最大激發閾值，因此對弱視眼發出的抑制訊號也隨之銳減。換言之，YouTube 的破壞性壓縮變相「削弱」了優勢眼的戰鬥力，讓弱視眼得以喘息。
但這是一個危險的陷阱。視覺神經可塑性（Neural Plasticity）依賴的是赫布理論（Hebbian learning）中精準同步的細胞激發。讓大腦學習並適應充滿壓縮雜訊的模糊訊號，無法有效重建處理高頻空間細節的突觸連結，長期訓練的視力天花板將被嚴重限制。
三、 破局關鍵：調整「畫面比例」以控制空間總和
我們絕對不能為了降低抑制而妥協畫質（退回 YouTube 影片），這等同於放棄了神經重塑的根基。在雙眼分視的框架下，正確的做法是：維持 100% 的無損畫質，但透過改變「畫面比例與刺激面積（Stimulus Size/Ratio）」來人為削弱優勢眼。
神經科學中的空間總和（Spatial Summation）原則指出：視覺皮層產生的整體反應強度，與刺激涵蓋的視野面積成正比。
1. 限縮優勢眼的畫面比例： 在 VR 訓練軟體（如 AmblyoBye）中，將優勢眼的影片顯示比例大幅縮小，或利用遮罩遮蔽優勢眼的周邊視野，僅保留中央極小範圍的刺激。這會在物理層面上減少優勢眼激發的 V1 神經元「總數量」，進而大幅降低其輸出的整體抑制訊號強度。
- 增加弱視眼的畫面比例： 確保弱視眼接收全螢幕、大比例且100%無損的 Gabor Patch 刺激，強迫大腦招募更多的弱視眼皮層神經元來處理訊號。
四、 結語：精準重塑神經迴路
「無損畫質導致高抑制」是雙眼視覺系統運作正常的反射現象。在醫療級的視覺訓練中，我們必須清楚區分「訊號品質（Quality）」與「訊號權重（Weight）」。
真正的雙眼去抑制訓練（Antisuppression Therapy）精髓，在於利用本機端生成的無損高頻影像作為絕對標準的訓練基底，隨後透過極致的參數控制——縮小優勢眼的畫面比例、降低優勢眼的對比度——來人為介入大腦的權重分配。唯有給優勢眼戴上物理枷鎖，同時給予弱視眼最純粹的神經刺激，大腦才會被迫解除長期抑制，重啟視覺皮層的深度學習。
