Mind the Gap: The Effect of Support Ratio and Retinal Size on Contour Interpolation
Notice bibliographique
Résumé
Adults see bounded figures even when local image information fails to specify the contours, such as in cases of partial occlusion and illusory contours. Here, we examined the effects of support ratio (the ratio of the physically specified contour to the total edge length) and absolute size on interpolation strength. In Experiment 1, adults (n = 24) discriminated fat from skinny shapes formed by real contours, partially occluded contours, or illusory contours. Across conditions, support ratio and absolute size were varied. We formed fat and skinny shapes by rotating the corners of the shape (Ringach & Shapley, 1996). In a 3-down, 1-up staircase procedure, the angle of rotation of the corners increased or decreased over trials, producing various curvatures of the shape. The strength of interpolation was measured by the smallest angle of rotation of the corners for which the shape was discriminated accurately as fat or skinny. Interpolation was better for higher support ratios (p<0.001), and had more effect on illusory than on partially occluded contours (p<0.01). Thresholds were affected minimally by changes in size, except for worse thresholds for the smallest size at the lowest support ratio (p<0.001). In Experiment 2, we used a subset of conditions to test children aged 6- and 9-years (n = 24 per age and contour type) and adults (n = 12 per contour type tested to date) with partially occluded and illusory contours. Preliminary results indicate that, in contrast to adults who show greater effects of support ratio for illusory than partially occluded contours, the interpolation of both 6- and 9-year-olds was affected equally by support ratio for the two types of contours (ps>0.40). Thus, interpolation of contours is still immature at 9 years of age.
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 | 0,001 | 0,001 |
| 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 ».