Aftereffect of motion-in-depth based on binocular cues: No effect of relative disparity between adaptation and test surfaces
Notice bibliographique
Résumé
Previously, we found that a motion aftereffect (MAE) in depth can occur after adaptation to motion-in-depth in random-element stereograms (VSS 2005). In the present study, we investigated the depth selectivity of the MAE in depth. The adaptation stimulus consisted of two frontoparallel surfaces, one above and one below the fixation point. These surfaces were depicted by random-dot stereograms that were temporally correlated (RDS) or uncorrelated (DRDS). During the 2-min adaptation phase, the disparity of one surface increased and that of the other surface decreased linearly and repeatedly to simulate smooth motion-in-depth. The range of these disparity ramps was −26.2 to −8.72, −8.72 to +8.72, or +8.72 to +26.2 arcmin, where positive and negative values indicate crossed and uncrossed disparity. The test stimulus consisted of two stationary frontoparallel surfaces depicted by a RDS with a fixed pedestal disparity of either −17.4, 0, or +17.4 arcmin. Under RDS adaptation conditions, robust MAE in depth occurred. The duration of this MAE in depth did not depend on the relation between the disparity range of the adaptation stimulus and the pedestal disparity of the test stimulus. Under DRDS adaptation conditions, MAE in depth did not occur. These results suggest that the adaptable processes used to detect motion-in-depth from binocular cues are insensitive to pedestal disparity.
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 | 0,002 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».