Sensitivity to color and luminance transformations in real versus phase-scrambled natural scenes
Notice bibliographique
Résumé
Aim Traditionally, thresholds for discriminating colour and luminance differences have been measured using stimuli such as disks, gratings or gabors, and accounted for in terms of the responses of relatively low-level mechanisms in the visual pathway. On this basis we would not expect the higher-order structure of, for example, natural scenes to be a factor determining colour and luminance discrimination thresholds. We therefore decided to compare discrimination thresholds between natural scenes and phase-scrambled versions of the same scenes. Method The stimuli were fifty calibrated color photographs of everyday scenes and fifty phase-scrambled images. The chromaticity and saturation of every pixel was represented as a vector in a modified version of the MacLeod-Boynton color space, and could be translated, rotated, compressed, or randomly repositioned within that color space. Thresholds for detection of each type of transformation were measured using a two-alternate forced choice method. Results Thresholds for all types of transformations in color space were significantly lower in natural scenes compared to phase-scrambled images. Thresholds for detecting random changes in color, in the form of either Gaussian or fractal noise, were considerably lower in natural compared to phase-scrambled images. Conclusion The structure of natural scenes plays a significant role in our ability to discriminate colour and luminance differences.
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 | 0,000 |
| 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 ».