MétaCan
Menu
Retour à la cohorte
Enregistrement W2094769525 · doi:10.1167/12.9.221

Representation of Stereoscopic Volumes

2012· article· en· W2094769525 sur OpenAlexaff
Ross Goutcher, L. O'Kane, Laurie M. Wilcox

Notice bibliographique

RevueJournal of Vision · 2012
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensYork University
Organismes subventionnairesBiotechnology and Biological Sciences Research Council
Mots-clésStereoscopyGaussianStandard deviationRange (aeronautics)Interval (graph theory)MathematicsBinocular disparityDistribution (mathematics)StereopsisVolume (thermodynamics)Artificial intelligenceComputer visionOpticsStatisticsComputer scienceMathematical analysisPhysicsCombinatoricsMaterials science

Résumé

récupéré en direct d'OpenAlex

Binocular disparity provides the human visual system with estimates of both the three-dimensional shape of surfaces, and of the depth between them. Additionally, binocular disparity cues provide a compelling sense of the volume occupied by objects in space. However, studies of stereoscopic vision have tended to examine the perceived depth of isolated points, or the perceived structure of surfaces in depth, without addressing the associated sense of volume. Comparatively little is known about how the visual system represents stereoscopic volumes. The experiments reported here address this issue by examining observers’ ability to judge changes in the range and distribution of disparity-defined volumes of dots. Observers were presented with Gaussian distributed random-dot volumes in a three interval, odd-one-out detection task. Each interval was presented for 200ms, and contained a stereoscopic volume within an area of 4.8 x 4.8 degrees. In two (standard) intervals, dot disparities were drawn from a Gaussian distribution of fixed standard deviation 1.1arcmin. In the third (target) interval a proportion of dot disparities were drawn from a uniform distribution with a range of between ±1.1arcmin and ± 7.7arcmin, with the remaining dots drawn from the same Gaussian distribution as the standard intervals. For some ranges, an entirely uniform distribution could not be distinguished from the Gaussian standards. Instead, the ability to detect the odd interval depended largely on the range of the distribution, not its shape. Changes in dot density, and in the standard deviation of the Gaussian distribution did not lead to a general sensitivity for distribution shape, but instead resulted in changes to the range of uniform distributions where the target interval could not be reliably detected. Our results suggest that the visual system makes use of an impoverished representation of the structure of stereoscopic volumes. Meeting abstract presented at VSS 2012

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 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 enseignants0,038
Score d'incertitude au seuil0,237

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)0,0000,000

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 Opus0,085
Tête enseignante GPT0,405
Écart entre enseignants0,320 · 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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

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