Edge-based versus region-based texture perception: does the task matter?
Notice bibliographique
Résumé
Aim: Studies of texture segregation have suggested that some types of textures are processed by ‘edge-based’ and others by ‘region-based’ mechanisms (e.g. Wolfson & Landy, Vis. Res., 1998). On the other hand, studies using nominally ‘edge-based’ textures have found evidence for region-based processing when the task was to detect rather than to segregate the textures (Kingdom & Keeble, Vis. Res., 1996). Here we investigate directly whether the nature of the task determines if region-based or edge-based mechanisms are involved in texture perception. Method: Stimuli consisted of randomly positioned Gabor micropattern texture arrays with three types of modulation: orientation modulation (OM), contrast modulation (CM) and luminance modulation (LM). Each modulation type was defined by three types of waveforms: sine-wave (SN), square-wave (SQ) and cusped-wave (CS). The CS waveform was constructed by removing an equal-amplitude sine-wave from a square-wave. The SN textures had only smooth variations, whereas the SQ and CS waveforms had sharp texture edges, but with different texture energies. Subjects performed two tasks. In the detection task subjects selected which of two stimuli contained the modulation. In the discrimination task subjects indicated which of two textures with slightly different texture-bar orientations contained leftward-oriented bars. Results: At low texture spatial frequencies threshold amplitudes in the detection task followed the rule SQ <SN
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 | 0,006 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».