Neural curvature mechanisms for shape perception
Notice bibliographique
Résumé
Introduction. Curvature encoding serves as an intermediate step towards the neural representation of shapes and object parts (Loffler, Wilson & Wilkinson, 2003, Vision Research; Wilkinson, Wilson & Habak, 1998, Vision Research). We compared the performance of several curvature-encoding schemes (inspired by computational, physiological, and psychophysical considerations) with respect to natural constraints imposed by shape perception tasks. Methods. Using an image filtering approach, we evaluate the response properties of different curvature encoding schemes, with respect to (1) object size variability for size constancy, (2) curvature amplitude, (3) response noise away from regions of stimulus curvature, and (4) 1st order to 2nd order contour alignment for application to texture edges or 2nd order contours. Results. Results indicate that: (1) to combine successive edge elements, an “AND” operator is preferable to a linear sum filter to reduce neural noise away from loci of maximum curvature, (2) filter properties need to be adjusted to object size otherwise systematic distortions in the locations of response maxima may occur, (3) introducing orientation-selectivity to the inputs to the curvature mechanism only modestly sharpens curvature responses in well-defined isolated contours, and (4) opponent-curvature mechanisms have greater spatial- and curvature-selectivity. Discussion. By developing an understanding of success and failures of different mechanisms, we isolated the requirements of neural curvature mechanisms. We provide important constraints on the design of biologically plausible curvature filters for use in object processing models. We also discuss a fast method of implementing position-dependent curvature mechanisms that can be used to recover curvature responses independent of object size.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».