Effects of development on low-level feature processing during natural viewing of dynamic scenes
Notice bibliographique
Résumé
Eye movements have been widely used to examine many aspects of brain functions, such as reflexive response, inhibitory controls, and working memory, in normal development. However, it is unclear how normal development affects eye movements of natural viewing behavior. This study specifically examined the developmental trajectory of low-level features processing while participants freely viewed videos of natural scenes. These videos are composed of short (2–4 seconds), unrelated clips. This design was to reduce top-down expectation and to magnify the difference in gaze allocation at every scene change. Gazes of 3 groups of participants (18 children, 10.7 ± 1.8 yr; 18 young adults, 23.2 ± 2.6 yr; 24 elderly, 70.3 ± 7.5 yr) were tracked while they watched the videos for 20 minutes. First, we used a computational saliency model (Itti & Koch, 2001) to compute bottom-up saliency maps for each video frame. These saliency maps can be computed from a single feature (e.g. color contrast, motion contrast) or a combination of them. Next, we computed the correlation between salience and gaze of each population. To reveal the developmental trajectory of low-level features processing, classifiers were built to differentiate (1) children vs. young adults, and (2) young adults vs. elderly. In the mean time, a feature selection method was performed to identify the most discriminative features for differentiating the populations. Using this method, we found that during normal maturation (children to young adults), there was a reduction in saccade interval and an increase in correlation between gaze and texture contrast, orientated edges, and color contrast. On the other hand, during normal aging (young adults to elderly), we found an increase in saccade interval and a decrease in correlation between gaze and oriented edges. In conclusion, this study revealed for the first time the differences between age groups in low-level feature processing during natural viewing of dynamic scenes.
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 | 0,000 |
| 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 ».