MétaCan
Menu
Retour à la cohorte
Enregistrement W2004491675 · doi:10.1016/j.visres.2013.05.003

Mechanisms underlying global stereopsis in fovea and periphery

2013· article· en· W2004491675 sur OpenAlexafffund
Nirel Witz, Robert F. Hess

Notice bibliographique

RevueVision Research · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésStereopsisNeuroscienceOptometryOpticsPsychologyPhysicsMedicine

Résumé

récupéré en direct d'OpenAlex

To better understand the pooling properties underlying global stereopsis we examined the relationship between carrier luminance spatial frequency and modulator disparity spatial frequency. Thresholds for detecting global sinusoidal disparity corrugations of spatially band-pass noise were measured as a function of modulator disparity spatial frequency for both centrally and peripherally located stimuli using a standard 2-IFC task. We found a characteristic relationship that depended on modulator disparity spatial frequency. At high modulator disparity spatial frequencies (>1c/d), there is an optimal ratio of around 2.6, whereas at low modulator disparity spatial frequencies, there is an optimal absolute carrier luminance spatial frequency (i.e., 3c/d). In the periphery, vision is restricted to modulator disparity spatial frequencies below 1c/d and, as a consequence, following the above rule, there is an optimum absolute carrier luminance spatial frequency that reduces in spatial frequency with increasing eccentricity. This finding is consistent with there being more than one channel processing global stereo that is subsequently confirmed using a 2×2 AFC detection/discrimination paradigm. Furthermore, because of the different carrier/modulator relationships in central and peripheral vision, peripheral global stereo cannot be simply related to central global stereo by a scaling factor and thus cannot be simply due to cortical magnification, as originally thought.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,931
Score d'incertitude au seuil0,480

Scores Codex et Gemma par catégorie

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

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 Opus0,223
Tête enseignante GPT0,368
Écart entre enseignants0,145 · 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 tête enseignante, 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

Citations20
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVision ResearchMême sujetPlant and animal studiesTravaux en français237 207