MétaCan
Menu
Retour à la cohorte
Enregistrement W2067148447 · doi:10.1167/14.2.14

Interactions between cues to visual motion in depth

2014· article· en· W2067148447 sur OpenAlexaff
I. P. Howard, Yoshitaka Fujii, Robert S. Allison

Notice bibliographique

RevueJournal of Vision · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésLoomingComputer visionBinocular disparityObserver (physics)Artificial intelligenceStimulus (psychology)Kinetic depth effectRelative motionDepth perceptionMotion (physics)Motion perceptionGeologyOpticsComputer scienceBinocular visionPhysicsPsychologyNeurosciencePerceptionCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Information about the motion in depth of an object along the midline of a stationary observer is provided by changes in image size (looming), changes in vergence produced by changes in binocular disparity of the images of the object, and changes in relative disparity between the moving object and a stationary object. Each of these cues was independently varied in the dichoptiscope, which is described in Howard, Fukuda, and Allison (2013). The stimuli were a small central dot and a textured surface moving to and fro in depth along the midline. Observers tracked the motion with the unseen hand. Image looming was normal or absent. The change in vergence was absent, normal, more than normal, or reversed relative to normal. Changing relative disparity between the moving stimulus and a stationary surface was present or absent. Changing vergence alone produced no motion in depth for the textured surface but it produced some motion of the dot. Looming alone produced strong motion in depth for the texture but not for the dot. When the direction of motion indicated by looming was opposite that indicated by changing relative disparity observers could use either cue. The cues dissociated rather than combined.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,425
Score d'incertitude au seuil0,209

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,067
Tête enseignante GPT0,415
Écart entre enseignants0,347 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations15
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetVisual perception and processing mechanismsTravaux en français237 207