MétaCan
Menu
Retour à la cohorte
Enregistrement W2044316634 · doi:10.1068/p3164

Processing Time of Contour Integration: The Role of Colour, Contrast, and Curvature

2001· article· en· W2044316634 sur OpenAlexaff
William Beaudot, Kathy T. Mullen

Notice bibliographique

RevuePerception · 2001
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAchromatic lensChromatic scaleLuminanceCurvatureStimulus (psychology)OpticsChromaticityMathematicsPhysicsArtificial intelligenceGeometryComputer visionComputer sciencePsychology

Résumé

récupéré en direct d'OpenAlex

We investigated the temporal properties of the red - green, blue-yellow, and luminance mechanisms in a contour-integration task which required the linking of orientation across space to detect a 'path'. Reaction times were obtained for simple detection of the stimulus regardless of the presence of a path, and for path detection measured by a yes/no procedure with path and no-path stimuli randomly presented. Additional processing times for contour integration were calculated as the difference between reaction times for simple stimulus detection and path detection, and were measured as a function of stimulus contrast for straight and curved paths. We found that processing time shows effects not apparent in choice reaction-time measurements. (i) Processing time for curved paths is longer than for straight paths. (ii) For straight paths, the achromatic mechanism is faster than the two chromatic ones, with no difference between the red-green and blue-yellow mechanisms. For curved paths there is no difference in processing time between mechanisms. (iii) The extra processing time required to detect curved compared to straight paths is longest for the achromatic mechanism, and similar for the red - green and blue-yellow mechanisms. (iv) Detection of the absence of a path requires at least 50 ms of additional time independently of chromaticity, contrast, and path curvature. The significance of these differences and similarities between postreceptoral mechanisms is discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,027
Tête enseignante GPT0,295
Écart entre enseignants0,268 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations33
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerceptionMême sujetVisual perception and processing mechanismsTravaux en français237 207