Detection of radial frequency motion trajectories
Notice bibliographique
Résumé
Humans are extremely sensitive to radial deformations of static circular contours (Wilkinson, Wilson, & Habak, 1998, Vision Research). Here we investigate the detection of motion trajectories defined by these radial frequency (RF) patterns over a range of radial frequencies, using the method of constant stimuli combined with a two-interval forced-choice (2IFC) paradigm. The stimulus was a radially symmetric difference-of-Gaussians blob (peak spatial frequency: 2.74 cpd, bandwidth: 1.79 octaves at half amplitude) moving around the trajectory defined by an invisible RF pattern (motion RF), or by a circle of equivalent mean radius, for one complete revolution. The observer's task was to identify the interval containing the motion RF as a function of deformation amplitude; threshold was defined as 75% correct performance. Radial frequencies of 2 – 5 cycles were tested at a mean radius of 1.0 arc deg and a mean rotation speed of 3.14 arc deg/s (2.0 s for a complete revolution). Detection thresholds ranged from 0.8 – 4.6 arc min and followed a power function with an average exponent of −1.48 as a function of radial frequency. This decreasing trend was consistent with that found in static RFs, although detection thresholds for motion RFs were significantly higher (0.2 – 0.5 arc min for static RFs). Whether the sensitivity to motion RFs is dependent on local cues or global shape is currently under investigation. Importantly, we showed that these novel stimuli should be a useful tool to investigate trajectory learning and discrimination.
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 | 0,003 |
| 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) | 0,001 | 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 ».