MétaCan
Menu
Retour à la cohorte
Enregistrement W1976395159 · doi:10.1167/14.10.348

Tracking Illusory Contour Figures

2014· article· en· W1976395159 sur OpenAlexaff
Natasha Dienes, Lana M. Trick

Notice bibliographique

RevueJournal of Vision · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Analysis Techniques
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésIllusory contoursGestalt psychologyOrientation (vector space)Object (grammar)LuminanceArtificial intelligenceComputer visionTask (project management)PsychologyCognitive psychologyComputer sciencePerceptionIllusionOptical illusionMathematicsGeometryNeuroscience

Résumé

récupéré en direct d'OpenAlex

In static displays, search is inefficient when participants are looking for targets that differ from distractors in line-orientation for objects defined by Kaniza-style illusory contours (disconnected pac-men lined up to create the impression of contours); the same search is efficient for objects defined by actual (connected luminance-based) contours (e.g., Li, Cave & Wolfe, 2008). This suggests that illusory-contour defined line-orientation cues cannot guide the attentional focus to targets in the same way as the same cues can when targets are defined by actual contours, and this in turn may indicate more attentional demands when defining objects as wholes. However, it is unclear whether illusory-contour defined targets are also more difficult to track than those defined by actual contours when items move. On the one hand, the Gestalt cue "grouping by common fate" may be such a powerful indication of object-hood that it wipes out any benefit of real over illusory contours in multiple-object tracking (MOT). On the other, it is possible that static and dynamic cues both contribute to helping objects maintain their integrity during MOT; thus there may be attentional costs to having to draw together the disconnected elements in illusory-contour figures: one that may only reveal itself once the tracking task becomes demanding (with more targets). MOT performance was compared for 1, 3, and 5 targets when all items (targets and distractors) were defined by actual as compared to Kaniza-style illusory contours. In a second experiment, the task was made even more difficult by making the pac-men inducers within individual Kaniza figures differ in contrast polarity (some darker than the background and others lighter), a difference that promoted grouping parts of targets with parts of distractors in static displays (i.e., grouping by similarity in terms of contrast). Results underline similarities and differences between static and dynamic tasks. Meeting abstract presented at VSS 2014

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,760
Score d'incertitude au seuil0,217

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,271
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetAdvanced Numerical Analysis TechniquesTravaux en français237 207