Perceived curvature in depth: a test of cue combination models using motion and binocular disparity
Notice bibliographique
Résumé
We elucidate two properties of the intersection of constraints (IC) model of depth cue combination (Domini et al., 2006, Vision Research, 46, 1707–1723). First we show that, like the modified weak fusion (MWF) model (Landy et al., 1995, Vision Research, 35, 389–412), IC combines depth cues in a weighted sum that maximizes the signal-to-noise ratio of the combined cue. Thus, IC is more similar to MWF than may at first appear. Second, we show that IC measures perceived depth in terms of just-noticeable differences (JND's), and hence predicts that the perceived depth difference between two stimuli is proportional to the number of JND's separating them, regardless of what combination of disparity and motion cues are in play. We tested this prediction. Method We created two motion-defined random dot cylinders, mC and mE, with circular and elliptical cross-sections, respectively. We also created two disparity-defined random dot cylinders, dC and dE, and we measured points of subjective equality to match the perceived depth of dC to mC, and of dE to mE. Using a 2AFC method of constants design, we then measured depth JND's for motion-defined cylinders, using mC as a baseline, and calculated the number of JND's separating mC and mE. Similarly, we measured depth JND's for disparity-defined cylinders, using dC as a baseline, and calculated the number of JND's separating dC and dE. Results The number of JND's separating mC and mE was significantly different from the number of JND's separating dC and dE, even though the the perceived depth difference between mC and mE was the same as that between dC and dE. Conclusions The perceived depth difference between two stimuli is not proportional to the number of JND's separating them. This finding poses no challenge to MWF, but contradicts a key prediction of the IC model.
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 | 0,004 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| 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 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».