Noise detection: Optimal summation of orientation information
Notice bibliographique
Résumé
Previous work (Kersten, 1987; Taylor et al., 2003) has shown that the summation of spatial frequency information in one-dimensional noise patterns is well described by an ideal observer, indicating that human observers summate spatial frequency information optimally over a six-octave wide band. Given that many models of vision contain independent channels that only sum probabilistically across “far-apart” values of orientation as well as spatial frequency (Graham, 1989), here we investigated whether optimal summation could be extended from the dimension of spatial frequency to summation across orientation bandwidth. Observers detected Gaussian white noise with a center-frequency of 5 cycles/degree and a fixed spatial frequency bandwidth of one octave. The orientation bandwidth of the stimulus ranged from 4 degrees to 128 degrees. Six bandwidths were used and a detection threshold measured in a two-interval forced choice task for each bandwidth in both the presence and absence of a Gaussian white noise mask. Stimuli were presented for 200ms. As was found for spatial frequency, noise detection r.m.s. contrast thresholds increased with the quarter-root of the number of orientation components, consistent with the pattern of performance demonstrated by the ideal observer. Efficiency was found to be constant for bandwidths greater than 16 degrees. Currently we are investigating whether optimal summation of orientation information can be disrupted with discontinuous spectra, using the response classification technique to reveal the perceptual template for orientation summation and whether summation remains optimal as both orientation and spatial frequency bandwidth of the stimulus are increased.
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 | 0,000 | 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 | 0,002 |
| 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 ».