Perception of shape-from-texture in the periphery using a simulated central scotoma
Notice bibliographique
Résumé
Purpose. Studies of eccentricity dependent sensitivity loss typically require participants to maintain fixation while making judgments about stimuli presented at various eccentricities in the peripheral visual field. However, training participants to fixate can prove difficult. Therefore, we have developed a novel alternative in which eccentricity of stimulus presentation is controlled using a simulated central scotoma of variable size. Method. Participants were asked to identify 3D surfaces comprising hills, valleys and plains in three possible locations. Therefore there were 27 different surfaces, yielding a 27 alternative forced choice task. Surface shape was conveyed by texture. Participants performed the task for simulated scotomas of 0, 1, 2, 4, 8 and 16° diameter over an eight-fold range of stimulus sizes. Position of scotoma was based on current fixation location captured with an eye tracker (SR Research Eyelink 1000, binocular tracking). Results. The psychometric functions for each simulated scotoma were left shifted versions of each other on a log size axis. Therefore, when we divided stimulus size at each eccentricity (E) by an appropriate F = 1 + E/E2 (where E2 is the eccentricity at which stimulus size must double to achieve equivalent-to-foveal performance) all thresholds collapsed onto a single psychometric function. Therefore, stimulus magnification was sufficient to equate sensitivity to shape-from-texture for all scotoma sizes. The average E2 value required to achieve this was 1.67° (N = 4, SEM = 0.304, 95% CI - 0.62° to 2.73°). Conclusions. In all cases, scaling with F = 1 + E/E2 eliminated most scotoma-dependent variation from the data. The data show clear evidence that size scaling is sufficient to equate the perception of shape-from-texture across in the presence of scotomas.
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 | 0,002 |
| 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 ».