Adaptation for perception of the human body: investigations of transfer across viewpoint and pose
Notice bibliographique
Résumé
Background: Faces are important stimuli in social interactions, but the perception of bodies may also play an important role in person identification and inference of emotional state. Adaptation has proven a useful means of exploring face representations in the visual system, and can inform us of the nature of body representations. Body aftereffects may be particularly useful for studying invariance in object representations, as they can be subjected to more drastic manipulations of pose. Objective: Our goals were to determine if body aftereffects could be obtained, and if so, to what degree these show viewpoint and pose invariance. Methods: Headless body images were generated from a realistic 3-D mesh model of the human body created from laser range scans of over 2000 people. Statistical machine learning methods were used to factor body shape variations due to identity from those due to pose. By varying the parameters of the model we can generate realistic body shapes in any pose and viewpoint. In experiment 1, we used different viewpoints of an upright body for adapting images and frontal views for test stimuli. In experiment 2, we used the same frontal view of upright bodies as test stimuli, but compared adaptation with the same upright pose to that with adapting body stimuli in different poses. Results: We found aftereffects for upright bodies that remained significant across viewpoint changes. In contrast, there was minimal transfer of adaptation across changes in pose. Conclusion: Body aftereffects show significant transfer across viewpoint, in contrast to the sharp decreases in face adaptation with change in viewpoint that have been previously reported. Lack of transfer across pose indicates a significant limitation to the invariance of body representations, however.
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 | 0,001 | 0,006 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».