When is stereopsis useful in visual search?
Notice bibliographique
Résumé
Does stereoscopic information improve visual search? We know that attention can be guided efficiently by stereopsis, for example, to the near target among far distractors (Nakayama and Silverman, 1986), but, when searching through a real scene, does it help if that scene is presented stereoscopically? Certainly, scenes appear to be more vividly real in 3D. However, we present three experiments in which the addition of stereo did not alter scene search very much. In Experiment 1, 12 observers searched twice for 10 target objects in each of 18 photographic scenes (a ‘repeated’ search task). Note that observers were not cued to search for a target at a specific depth, stereopsis simply added to the vividness of the scene. Reaction time and accuracy did not differ significantly in stereoscopic and monoscopic conditions. In Experiment 2, using similar images, we found no differences between 2D and 3D conditions on time to first fixation on the target or on the average length of saccades. However, gaze durations were significantly shorter in 3D scenes. Since gaze durations are typically taken to measure processing time, this may suggest that it was easier to disambiguate surfaces and/or objects in 3D, although this advantage did not translate to benefits in search times. In a final experiment, we reduced the stimulus array to a set of colored rendered objects distributed in depth against a plain background. In this task, the addition of stereo produced shorter reaction times, even though stereo information was not predictive of target location. Our real scenes may have contained such a rich array of cues to target location that the addition of stereo may not have contributed much additional information. It may be in more difficult searches, including more challenging real world tasks, that stereopsis will be an asset. Meeting abstract presented at VSS 2015
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».