MétaCan
Menu
Retour à la cohorte
Enregistrement W2026394998 · doi:10.1167/14.2.9

Luminance and color inputs to mid-level and high-level vision

2014· article· en· W2026394998 sur OpenAlexaff
B. J. Jennings, Jasna Martinović

Notice bibliographique

RevueJournal of Vision · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensMcGill University
Organismes subventionnairesBiotechnology and Biological Sciences Research Council
Mots-clésLuminanceContrast (vision)Chromatic scaleArtificial intelligenceMathematicsComputer scienceComputer visionOpticsCommunicationPsychologyPhysics

Résumé

récupéré en direct d'OpenAlex

We investigated the interdependence of activity within the luminance (L + M) and opponent chromatic (L - M and S - [L + M]) postreceptoral mechanisms in mid-level and high-level vision. Mid-level processes extract contours and perform figure-background organization whereas high-level processes depend on additional semantic input, such as object knowledge. We collected mid-level (good/poor continuation) and high-level (object/nonobject) two-alternative forced-choice discrimination threshold data over a range of conditions that isolate mechanisms or simultaneously stimulate them. The L - M mechanism drove discrimination in the presence of very low luminance inputs. Contrast-dependent interactions between the luminance and L - M as well as combined L - M and S - (L + M) inputs were also found, but S - (L + M) signals, on their own, did not interact with luminance. Mean mid-level and high-level thresholds were related, with luminance providing inputs capable of sustaining performance over a broader, linearly corresponding range of contrasts when compared to L - M signals. The observed interactions are likely to be driven by L - M signals and relatively low luminance signals (approximately 0.05-0.09 L + M contrast) facilitating each other. The results are consistent with previous findings on low-level interactions between chromatic and luminance signals and demonstrate that functional interdependence between the geniculate mechanisms extends to the highest stages of the visual hierarchy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,302
Score d'incertitude au seuil0,339

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,347
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetVisual perception and processing mechanismsTravaux en français237 207