MétaCan
Menu
Retour à la cohorte
Enregistrement W1992226311 · doi:10.1068/p3184

On the Interference of Task-Irrelevant Hue Variation on Texture Segmentation

2001· article· en· W1992226311 sur OpenAlexaff
Pauline M. Pearson, F. A. A. Kingdom

Notice bibliographique

RevuePerception · 2001
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésHueVariation (astronomy)Texture (cosmology)SegmentationInterference (communication)Task (project management)Artificial intelligenceComputer sciencePattern recognition (psychology)Computer visionPhysicsImage (mathematics)TelecommunicationsAstrophysicsEngineeringChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Although natural images often include discordant information about object boundaries, the majority of research on texture segmentation has involved variation along a single dimension, e.g. colour, orientation, size. In this study, we examined orientation-based texture segmentation in the presence and absence of task-irrelevant colour variation. Previously, it had been shown that orientation-based texture segmentation was impaired if the elements, normally of one colour, were randomly allocated one of two colours (Morgan et al, 1992 Proceedings of the Royal Society of London, Series B 248 291-295). We found that this interference disappeared, however, when the spatial pattern of the colour variation was regular, as opposed to random, and when the elements were randomly positioned. We consider four models of how relevant and irrelevant texture information might combine to produce the interference effect, with special regard to these new findings. None of the models could account for the dependency of the interference effect on the spatial arrangement of colour and orientation in the texture. We suggest that inter-element separation and spatial-frequency selectivity are critical variables in the interference effect.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,064
Tête enseignante GPT0,327
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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations5
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerceptionMême sujetVisual perception and processing mechanismsTravaux en français237 207