MétaCan
Menu
Retour à la cohorte
Enregistrement W2080116674 · doi:10.1167/7.8.11

Spatiotemporal templates for detecting orientation-defined targets

2007· article· en· W2080116674 sur OpenAlexaff
Masayoshi Nagai, Patrick Bennett, Allison B. Sekuler

Notice bibliographique

RevueJournal of Vision · 2007
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTemplateOrientation (vector space)Computer scienceGeometryMathematicsProgramming language

Résumé

récupéré en direct d'OpenAlex

Using the classification image technique, the present experiments revealed several characteristics of human observers' spatiotemporal templates for the detection of orientation-defined targets. The stimulus consisted of a spatial 5 x 5 array of elements displayed in 5 (Experiments 1 and 2) or 15 (Experiment 3) temporal frames. A target was defined by the first- or the second-order characteristics of the textures. In Experiment 1, a target signal was presented across all five frames, and observers typically relied on the most reasonable cues in all five frames for detecting targets. In other words, they used the first-order cue for detecting the first-order target and used the second-order cue for detecting the second-order target. Moreover, the spatial profile for detecting the first-order sustained target was localized at the border of the target area, but that for the second-order sustained target showed broader spatial tuning. Presenting the target in just the third temporal frame, as was done in Experiment 2, changed the temporal profile of the observers' templates in the expected manner: Observers used the first-order cue for the first-order target detection and the second-order cue for the second-order target detection only in the third frame. However, changing the temporal characteristics also affected the kinds of spatial cues that were used to detect a target. For example, the classification images revealed that observers used second-order cues (as well as first-order cues) to detect a first-order target, and there was a trend toward increasing the extent of spatial information used when the temporal information was restricted. In Experiment 3, we found similar results for detecting the first-order flashed target with finer, 15-temporal-frame presentation. Lastly, we showed that the classification image is a useful way to reveal individual differences that are not shown with traditional psychophysical techniques.

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)0,001
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 enseignants0,164
Score d'incertitude au seuil0,224

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,058
Tête enseignante GPT0,381
Écart entre enseignants0,323 · 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

Citations13
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

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