Extracting self-created retinal motion
Notice bibliographique
Résumé
INTRODUCTION. Self movement generates retinal movement that is perceptually distinct from other movement. There are two types of models for how this distinction might be achieved. In the first, after self motion is detected, an internal estimate of the expected retinal movement is subtracted (a linear process) from retinal image movement. Remaining movement is interpretted as indicating external movement. In the second model, subjects internally compare observed visual motion with their internal representation: a non-linear ratio judgement which depends on the magnitude of the expected movement. A discriminable difference indicates external movement. These models respectively predict linear and non-linear distributions of the probability of regarding a given retinal motion as perceptually stable. METHODS. Our subjects' task was to distinguish self-produced from external visual motion during rotation around the yaw, pitch and roll axes and during translation in the x, y and z directions. They wore a helmet-mounted display whose position was monitorred by a mechanical head tracker with minimal lag. The visual display was modified in response to head movement. The ratio between head and image motion was adjusted by the subject until the display appeared earth-stationary. RESULTS. The distribution of ratios judged to be perceptually stable were fitted with a normal and a log normal distribution. For the rotation data a better fit was found using the log normal distribution suggesting that the non-linear ratio model is a better description of the underlying neural computations involved. No clear difference was found for the translation data. Sponsorred by CRESTech and NSERC.
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 | 0,001 | 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) | 0,002 | 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 ».