MétaCan
Menu
Retour à la cohorte
Enregistrement W2090815784 · doi:10.1167/13.9.45

Edge-based versus region-based texture perception: does the task matter?

2013· article· en· W2090815784 sur OpenAlexaff
Cassandra Diggiss, F. A. A. Kingdom

Notice bibliographique

RevueJournal of Vision · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAesthetic Perception and Analysis
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTexture (cosmology)Sine wavePerceptionLuminanceModulation (music)Artificial intelligenceWaveformAmplitudeSpatial frequencyMathematicsPattern recognition (psychology)Computer visionOpticsPhysicsComputer sciencePsychologyAcousticsImage (mathematics)Telecommunications

Résumé

récupéré en direct d'OpenAlex

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 <CS, as would be expected if all the texture energy available was used for detection, and suggesting that the task was region-based. However, for the discrimination task the order was SQ similar to CS and both less than SN, suggesting that the texture edges were the more salient features. At medium and high texture spatial frequencies the two tasks produced comparable results. Conclusion: A change in the task from detection to discrimination can under some circumstances cause texture processing to switch from being region-based to edge-based. Meeting abstract presented at VSS 2013

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,700
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0040,001

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 Opus0,021
Tête enseignante GPT0,286
Écart entre enseignants0,265 · 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.

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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetAesthetic Perception and AnalysisTravaux en français237 207