Spatiochromatic statistics of natural scenes: First- and second-order information and their correlational structure
Notice bibliographique
Résumé
Few studies have investigated the structural relationships between modeled neural images of the luminance, red-green and blue-yellow post-receptoral channels in response to natural scenes. Here we examine these relationships for both first-order, i.e. luminance and color, and second-order, i.e. texture and contrast, variations in a set of natural color images. Images collected using a calibrated digital camera were transformed into LMS cone responses for each pixel, which were then converted into luminance, red-green, and blue-yellow channel images. Simulated responses of cortical first- and second-order operators were produced by convolution with linear filters (Gabor functions) or filter-rectify-filter operators, respectively, for a wide range of filter orientations and spatial frequencies. Filter response amplitudes and image statistics (kurtosis and entropy) were examined, as well as ‘signed’ and ‘unsigned’ cross-correlations between the three first-order channel images and between the first- and second-order channel images. The results demonstrate that first-order red-green has a higher kurtosis/entropy than blue-yellow, which in turn has higher values than luminance. Correlations between first-order luminance and first-order color information are surprisingly high. Additionally, first-order luminance and color are strongly correlated with second-order luminance, but not second-order color. These results suggest that higher-order chromatic statistics play a distinct role in natural images.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».