Illusory Contours Do Not Pass through the “Blind Spot”
Notice bibliographique
Résumé
Our visual percepts are not fully determined by the physical stimulus input. That is why we perceive crisp bounding contours even in the absence of luminance-defined borders in visual illusions such as the Kanizsa figure. It is important to understand which neural processes are involved in creating these artificial visual experiences because this might tell us how we perceive coherent objects in natural scenes, which are characterized by mutual overlap. We have already shown using functional magnetic resonance imaging [Maertens, M., & Pollmann, S. fMRI reveals a common neural substrate of illusory and real contours in v1 after perceptual learning. Journal of Cognitive Neuroscience, 17, 1553-1564, 2005] that neurons in the primary visual cortex (V1) respond to these stimuli. Here we provide support for the hypothesis that V1 is obligatory for the discrimination of the curvature of illusory contours. We presented illusory contours across the portion of the visual field corresponding to the physiological "blind spot." Four observers were extensively trained and asked to discriminate fine curvature differences in these illusory contours. A distinct performance drop (increased errors and response latencies) was observed when illusory contours traversed the blind spot compared to when they were presented in the "normal" contralateral visual field at the same eccentricity. We attribute this specific performance deficit to the failure to build up a representation of the illusory contour in the absence of a cortical representation of the "blind spot" within V1. The current results substantiate the assumption that neural activity in area V1 is closely related to our phenomenal experience of illusory contours in particular, and to the construction of our subjective percepts in general.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».