MétaCan
Menu
Retour à la cohorte
Enregistrement W2002223268 · doi:10.1167/1.3.52

No pointwise nonlinearity in shape discrimination

2010· article· en· W2002223268 sur OpenAlexaff
Richard Murray, Patrick Bennett, Allison B. Sekuler

Notice bibliographique

RevueJournal of Vision · 2010
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésArtificial intelligencePixelLuminanceContrast (vision)DiscriminatorComputer visionObserver (physics)PointwiseMathematicsPsychophysicsPattern recognition (psychology)Computer sciencePsychologyPerceptionPhysics

Résumé

récupéré en direct d'OpenAlex

Purpose: Human observers are often modelled as linear discriminators (e.g., as noisy cross-correlators) in shape discrimination tasks. One prediction of such models is that the influence of a stimulus pixel on an observer's response is proportional to the contrast at that pixel. We used a new variant of the reverse correlation technique to test this prediction. Methods: Observers performed several two-alternative identification tasks in external white noise: dot detection, orientation discrimination, and face discrimination, as well as shape discriminations involving illusory contours and occluded contours. We computed classification images to determine what regions of the stimuli observers used to perform the task, and within these regions we computed the correlation between the contrast level at each pixel and the observer's responses. Results: We confirmed the prediction of the linear discriminator model: the influence of each pixel on the observer's decision was linearly related to the contrast at that pixel. This was true even when observers used illusory and occluded contours to perform the task. Conclusions: These results have several implications. (1) Either there is no early transduction nonlinearity, or any such nonlinearity is compensated for and effectively undone during shape discrimination. This is consistent with Chubb and Nam's (2000) findings for judgements of texture luminance and texture variance. (2) The visual system is optimized for an approximately Gaussian noise distribution in the external world. (3) Illusory and occluded contours are used in the same way as luminance-defined contours in threshold shape discrimination tasks. (4) Observers are linear discriminators in threshold shape discrimination tasks.

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)0,001
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,046
Tête enseignante GPT0,371
Écart entre enseignants0,325 · 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

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

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