MétaCan
Menu
Retour à la cohorte
Enregistrement W2063705560 · doi:10.1167/8.6.596

Exploring the spatiotemporal properties of fractal rotation

2010· article· en· W2063705560 sur OpenAlexaff
Sarah Lagacé-Nadon, Rémy Allard, J. Faubert

Notice bibliographique

RevueJournal of Vision · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Applications
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésRotation (mathematics)LuminanceStimulus (psychology)FractalPhysicsArtificial intelligencePerceptionMotion perceptionOpticsComputer visionMathematicsComputer scienceMotion (physics)PsychologyMathematical analysisNeuroscience

Résumé

récupéré en direct d'OpenAlex

Motion perception of first- and second-order stimuli has been proposed to be mediated by separate mechanisms. Whereas luminance-based stimuli are analyze by energy-based motion detectors, uncertainty remains as to the mechanisms involved in the processing of second-order stimuli. The aim of this experiment was to determine the nature of mechanisms accounting for detection of fractal rotation (Benton, O'Brien & Curran, 2007) in comparison with those responsible for first-order rotation. To reproduce such a stimulus, a rotating oriented filtered noise pattern was used, in which orientation varied from frame to frame. Noise was resampled for each frame. This stimulus should be invisible to first-order motion sensitive mechanisms considering the absence of energy movement. Rather, rotation is the only local cue available to motion detectors. Hence, motion perception would be based on the analysis of spatial structure, more specifically the orientation change over time. In comparison, we have used another stimulus composed of a single rotating oriented filtered noise frame where motion is detected by first-order sensitive mechanisms. First, we measured the temporal response of fractal rotation. Contrast thresholds were measured using a direction discrimination task at various temporal frequencies. First-order rotation was found to be band-pass, whereas fractal rotation was low-pass, as previously reported for contrast-, polarity- and spatial length-modulated motion. Hence, fractal rotation has second-order mechanism properties. Second, the nature of mechanisms responsible for detection of fractal rotation has been explored using a known paradigm where different energy levels are used by changing velocities (Seiffert & Cavanagh, 1998). Sensitivity to first-order stimuli is expected to change proportionately with energy levels while sensitivity to second-order properties is not. Results suggest a velocity-based mechanism account for perception of first-order motion but not for fractal rotation. This implies second-order mechanisms are sensitive to change of spatial orientation structure over time.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,062
Tête enseignante GPT0,277
Écart entre enseignants0,215 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetNeural Networks and ApplicationsTravaux en français237 207