Notice bibliographique
Résumé
There currently exists an extensive body of literature devoted to understanding how the visual system integrates spatially segmented elements into contours, either artificially generated, or modeled after the contour statistics of natural scene imagery. However, little is known about the orientation tuning of the integration mechanism and whether such tuning changes as a function of contour curvature. To address those issues, we employed stimuli consisting of texture fields made up of pseudo-randomly distributed band-pass filtered noise elements (band-pass in spatial frequency and orientation), some of which, by virtue of their orientation alignment, formed a contour path. The orientation bandwidth of all filtered noise elements was varied, and the local spatial orientation misalignment (element-to-path angle) between the local element orientation and the contour path itself was systematically manipulated. The task consisted of a standard psychophysical 2AFC paradigm where observers were required to indicate which stimulus interval contained a contour. The results indicated that the local element orientation bandwidth needed to integrate low curvature contours was quite broad (ranging between 40° to 60°). For contours possessing a high degree of curvature, this bandwidth was significantly narrower (ranging between 20° to 30). However, the element-to-path angle varied very little as a function of contour curvature, ranging between 15° to 25° for all curvatures. The results indicate that the local element orientation tuning of the human visual contour integration mechanism is dependent on contour curvature.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».