Segmentation mechanisms are sensitive to and can segment by higher-order statistics in naturalistic textures
Notice bibliographique
Résumé
Texture segmentation depends on the statistical properties of the textures in question, but which properties are biologically relevant remains unclear. Previously, we determined that contrast boundary segmentation in a single texture was affected by global phase structure – in particular, the texture density (VSS 2009). Here, we manipulate density and broadband phase alignment for boundaries between pairs of textures differing in orientation or phase alignment to uncover the statistical sensitivities of segmentation mechanisms. We created synthetic micropattern textures that mimic important statistical properties of natural textures (VSS 2009). We were able to remove all higher-order statistics by globally phase-scrambling the texture, or remove local phase alignments by phase-scrambling the micropatterns, while varying texture sparseness by changing the number of micropatterns. We created two types of texture boundaries using a quilting method: (1) orientation modulations, where one texture had vertical micropatterns and the other horizontal, and (2) phase alignment boundaries between different pairings of the intact, local (LS), and global (GS) scramble conditions. We obtained modulation-depth thresholds for all boundary types at a series of micropattern densities. Orientation-defined boundaries become easier to segment as density increases, with boundaries between GS textures being easier to segment than those between either intact or LS textures. As density increases, boundaries between GS and either intact or LS become more difficult, but boundaries between intact and LS textures become easier. We observe that boundaries defined by changes in phase alignment are no more difficult to segment than those defined by changes in orientation These results lend support to the idea that sparseness is an important texture dimension impacting performance in segmentation tasks. Our findings suggest that early inputs to segmentation mechanisms are sensitive to higher-order statistics such as sparseness as well as simple attributes such as contrast and orientation.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».