Contribution of motion parallax to depth ordering, depth magnitude and segmentation
Notice bibliographique
Résumé
Motion parallax, i.e. differential retinal image motion resulting from movement of the observer, provides an important visual cue to segmentation and depth perception. Previously we examined its role in segmentation (VSS 2009), and here we additionally explore its contribution to depth perception. Subjects performed lateral head translation while an electromagnetic tracker recorded head position. Stimuli consisted of random dots on a black background, whose horizontal displacements were synchronized proportionately to head motion by a scale factor (gain), and were modulated using square or sinewave envelopes to generate shearing motion. Subjects performed three tasks: depth ordering, depth magnitude and segmentation. In depth ordering they performed a 2AFC task, reporting whether the half-cycle above vs below the centre of the screen appeared nearer. Depth magnitude estimates were obtained by matching the perceived depth to that of a texture-mapped 3d surface of similar shape which was rendered in a perspective view. Segmentation performance was assessed by measuring discrimination thresholds for envelope orientation. This task included two conditions: one in which stimuli were synched to the head motion and the other in which previously recorded motions of the stimuli were “played-back”. For square wave modulation, good depth ordering performance was obtained only at low gain values; however sinewave modulation yielded unambiguous depth across a broader range of gains. In the depth magnitude task, subjects matched proportionately greater depths for larger gain values. In the segmentation task, orientation discrimination showed surprisingly similar thresholds for head motion and playback. These results suggest that the ecological range of depths in which motion parallax gives good segmentation is very wide, whereas for good depth perception it is quite limited. The dependence of depth ordering on modulation waveform suggests that motion parallax is more useful for depth differences within one object than between occluding objects.
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 | 0,001 |
| 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 ».