MétaCan
Menu
Retour à la cohorte
Enregistrement W2064493550 · doi:10.1167/1.3.177

Spatial scaling of 3D surface interpolation

2010· article· en· W2064493550 sur OpenAlexaff
Laurie M. Wilcox, Philip A. Duke

Notice bibliographique

RevueJournal of Vision · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputer Graphics and Visualization Techniques
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésInterpolation (computer graphics)ScalingMathematicsMultivariate interpolationLimit (mathematics)Invariant (physics)GeometryMathematical analysisBilinear interpolationArtificial intelligenceComputer scienceStatisticsImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Patterns of sparse texture elements that vary smoothly in depth appear to lie on a three-dimensional surface when depth is interpolated across the intervening blank spaces. Estimates of the upper limit of 3D surface interpolation range from 3 min to 0.3 deg (Westheimer 1986, Yang and Blake 1995). However, physiological studies have shown that there is a broad range of receptive field sizes in the visual cortex. Simple cells in area V1 range in width from 0.05 to 0.5 deg (Parker and Hawkin, 1988) and in cortical areas such as V2, V3 and V4 receptive fields are substantially larger. The existence of different sized receptive fields at a given retinal location indicates that processing occurs at different scales. Thus, one might expect that surface interpolation is supported over a range of stimulus scales, and the upper limit is scale dependent. We tested this proposition by assessing 3D interpolation at a large range of scales using a bisection task that has proven to be a reliable index of 3D interpolation. Surface interpolation was assessed for stimuli with widths ranging from 15 to 58 deg. Once irrelevant task variables are taken into account, 3D surface interpolation is scale invariant up to an average nearest neighbour element spacing of 3 deg (SD 2 deg). These experiments provide strong evidence for scale invariance of 3D surface interpolation, and for an upper limit that is scale dependent. These data also show that previous estimates underestimate the capacity of the human visual system to interpolate surfaces in depth.

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)0,008
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,317
Écart entre enseignants0,305 · 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetComputer Graphics and Visualization TechniquesTravaux en français237 207