Contrast dependence of spatial summation revealed by classification image analysis
Notice bibliographique
Résumé
Detection of low-contrast luminance-defined stimuli can involve spatial summation over a large portion of the visual field. However prior psychophysical results suggest that the summation region may shrink substantially in the presence of high-contrast masking gratings or noise (Legge & Foley, 1980; Kersten, 1984). This may be related to recent findings that the extent of spatial summation in V1 neurons depends upon contrast (Sceniak et al., 1999). Here we use a classification image technique to directly test whether the psychophysical receptive field for a simple stimulus (a vertical edge in noise) is dependent upon contrast. Classification images for yes/no edge detection and 2IFC contrast discrimination were estimated at signal (edge) contrasts ranging from 0.6%–50% and noise contrasts ranging from 4%–50%. Estimated receptive fields were found to be well approximated by elongated 2D Gaussian derivative or Gabor filters, and were much longer than V1 receptive fields. Both signal contrast and external noise contrast were found to strongly affect the extent of summation: a good predictor for receptive field size and shape was found to be signal-to-noise ratio (SNR). As SNR was increased from as low as 0.07 to as high as 2.0, receptive fields were found to shrink dramatically, by a factor of more than 5 in width and by roughly 60% in length. The dependence of summation on SNR may be due to ‘late’ noise sources and/or to nonlinear summation mechanisms.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».