Decoding da Vinci: quantitative depth from monocular occlusions
Notice bibliographique
Résumé
Nakayama and Shimojo (1990) demonstrated that quantitative depth percepts could be generated by monocular occlusions, a phenomenon they called da Vinci stereopsis. They used a configuration where a monocular bar was placed to one side of a binocular rectangle. When an occlusion interpretation was possible, the bar appeared behind the rectangle at a distance that increased as the lateral separation between the bar and the rectangle increased. Gillam, Cook and Blackburn (2003) argued that quantitative depth perception in da Vinci stereopsis was due to double-matching of the bar with the edge of the rectangle. They showed that when the monocular bar was replaced with a monocular dot only qualitative depth percepts remained. However, their stimulus differed from the original in ways that promoted double-matching and the range of separations of the monocular feature from the rectangle was different for the bar and the dot. To evaluate the contributions of monocular occlusions and double-matching to quantitative depth percepts in da Vinci arrangements, we have replicated and extended the Nakayama and Shimojo and Gillam et al. experiments. We reproduced the original stimuli precisely and used the same range of separations for the bar stimuli as for the dot stimuli. We also compared perceived depth from disparity in the bar and dot stimuli when they were presented binocularly. Three of six observers were able to see quantitative depth with the dot stimulus though less depth was perceived than when a monocular bar was used. Interestingly, we found a similar difference in perceived depth when the bar and the dot were presented binocularly. Taken together our results provide evidence that quantitative depth in da Vinci arrangements is based, at least in part, on monocular occlusions, and that this phenomenon depends on the properties of the monocular object and is subject to inter-observer differences.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».