Is depth in monocular regions processed by disparity detectors? A computational analysis.
Notice bibliographique
Résumé
Depth from binocular disparity relies on finding matching points in the images of the two eyes. However, not all points have a corresponding match since some regions are visible to one eye only. These regions, known as monocular occlusions, play an important role in stereoscopic depth perception supporting both qualitative and quantitative depth percepts. However, it is debated whether these percepts could be signaled by the activity of disparity detectors or require cells specifically tuned to detect monocular occlusions. The goal of the present work is to assess the degree to which model disparity detectors are able to compute the direction and the amount of depth perceived from monocular occlusions. It has been argued that disparity-selective neurons in V1 essentially perform a cross-correlation on the images of the two eyes. Consequently, we have applied a windowed cross-correlation algorithm to several monocular occlusion stimuli presented in the literature (see also Harris & Smith, VSS 2010). We computed depth maps and correlation profiles and measured the reliability and the strength of the disparity signal generated by cross-correlation. Our results show that although the algorithm is able to predict perceived depth in monocularly occluded regions for some stimuli, it fails to do so for others. Moreover, for virtually all monocularly occluded regions the reliability and the signal strength of depth estimates are low in comparison to estimates made in binocular regions. We also find that depth estimates for monocular areas are highly sensitive to the window size and the range of disparities used to compute the cross-correlation. We conclude that disparity detectors, at least those that perform cross-correlation, cannot account for all instances of depth perceived from monocular occlusions. A more complex mechanism, potentially involving monocular occlusion detectors, is required to account for depth in these stimuli. Meeting abstract presented at VSS 2012
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».