Los animales detectan objetivos utilizando una variedad de señales visuales, siendo la saliencia visual de estas señales la que determina qué características ambientales reciben atención prioritaria y un procesamiento adicional. La modulación del entorno juega un papel crucial en la generación de la saliencia visual, que ha sido estudiada extensamente en neuronas tectales aviares. Trabajos recientes han reportado que la supresión de neuronas tectales inducida por estímulos de contraste de movimiento es más fuerte que la inducida por estímulos de contraste de luminancia. Sin embargo, el mecanismo subyacente sigue siendo poco comprendido. En este estudio, construimos un modelo computacional (llamado Modulación Dinámica Lineal Generalizada) que incorpora mecanismos de ajuste no lineales independientes para entradas excitatorias e inhibitorias. Este modelo tiene como objetivo describir cómo las neuronas tectales codifican estímulos de contraste. Los resultados mostraron que: (1) La estructura de integración no lineal dinámica mejoró sustancialmente la precisión (diferencia significativa (< 0.001, prueba pareada) en la bondad de ajuste entre los dos modelos) de las respuestas predichas a estímulos de contraste, verificando el procesamiento no lineal realizado por las neuronas tectales. (2) La diferencia de modulación entre estímulos de contraste de luminancia y movimiento surgió de la respuesta predicha por el modelo completo, pero no por el que solo tenía entrada sináptica excitatoria (luminancia espacial: 89 +/- 2.8% (GL_DM) vs. 87 +/- 2.1% (GL_DMexc); estímulos de contraste de movimiento: 87 +/- 1.7% (GL_DM) vs. 83 +/- 2.2% (GL_DMexc)). Estos resultados validan el modelo propuesto y sugieren además el papel de las integraciones espaciales no lineales dinámicas en el procesamiento de información visual contextual, especialmente en la integración espacial, que es importante para la detección de objetos realizada por aves.