MétaCan
Menu
Retour à la cohorte
Enregistrement W2061792013 · doi:10.1068/p3247

What does the Ternus Display Tell us about Motion Processing in Human Vision?

2001· article· en· W2061792013 sur OpenAlexaff
Nicholas E. Scott‐Samuel, Robert F. Hess

Notice bibliographique

RevuePerception · 2001
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésComputer visionArtificial intelligenceMotion (physics)Interstimulus intervalMotion perceptionComputer scienceStimulus (psychology)CommunicationPsychologyCognitive psychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

The Ternus display is a moving visual stimulus which elicits two very different percepts, according to the length of the interstimulus interval (ISI) between each frame of the motion sequence. These two percepts, referred to as element motion and group motion, have previously been analysed in terms of the operation of a low-level, dedicated short-range motion process (in the case of element motion), and of a higher-level, attentional long-range motion process (in the case of group motion). We used a novel Ternus configuration to show that both element and group motion are, in fact, mediated solely by a process sensitive to changes in the spatial appearance of the Ternus elements. In light of this, it appears that Ternus displays tell us nothing about low-level motion processing, implying that previous studies using Ternus displays, for instance those dealing with dyslexia, require reinterpretation. Further manipulations of the Ternus display revealed that the orientation and spatial-frequency discrimination of the process underlying the analysis of Ternus displays is far worse than thresholds for spatial vision. We conclude that Ternus displays are analysed via a long-range motion, or feature-tracking, process, and that this process is distinct from spatial vision.

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)0,006
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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,003
Communication savante0,0020,008
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,039
Tête enseignante GPT0,356
Écart entre enseignants0,317 · 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

Citations23
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerceptionMême sujetVisual perception and processing mechanismsTravaux en français237 207