MétaCan
Menu
Retour à la cohorte
Enregistrement W1990655922 · doi:10.1167/9.5.13

Asymmetric interference between the perception of shape and the perception of surface properties

2009· article· en· W1990655922 sur OpenAlexafffund
J. S. Cant, Melvyn A. Goodale

Notice bibliographique

RevueJournal of Vision · 2009
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensWestern University
Organismes subventionnairesCanada Research Chairs
Mots-clésPerceptionObject (grammar)Interference (communication)Surface (topology)Contrast (vision)Property (philosophy)CommunicationPsychologyCognitive psychologyMathematicsComputer visionComputer scienceArtificial intelligenceGeometryNeuroscienceChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

We previously showed that the processing of shape and the processing of surface properties linked to material properties engage different regions of the ventral stream (J. S. Cant & M. A. Goodale, 2007). Moreover, we recently used Garner's speeded-classification task to show that varying the surface (material) properties of objects does not interfere with shape judgments and vice versa (J. S. Cant, M. E. Large, L. McCall, & M. A. Goodale, 2008). In the present study, we looked at Garner interference when surface cues contributed to the perception of object shape and hypothesized that this would interfere with judgments about the width and the length of the objects. In contrast, we predicted that varying the width and the length of the objects would not interfere with surface-property judgments. This is precisely what we found. These results suggest that the shape and the surface properties of an object cannot be processed independently when both these sets of cues are linked to the perception of the object's overall shape. These observations, together with our previous findings, suggest that the surface cues that contribute to object shape are processed quite separately from the surface cues that are linked to an object's material properties.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,710
Score d'incertitude au seuil0,188

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,068
Tête enseignante GPT0,334
Écart entre enseignants0,267 · 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'étudeExpérimental (laboratoire)
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

Citations16
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetVisual perception and processing mechanismsTravaux en français237 207