Dichoptic difference thresholds for uniform color changes applied to natural scenes
Notice bibliographique
Résumé
It has recently been shown that the visual system is more sensitive to uniform color and/or luminance changes applied to raw compared to phase-scrambled images of natural scenes (A. Yoonessi & F. A. A. Kingdom, 2008). Here we consider whether the mechanisms responsible for the differential sensitivity operate before or after the point at which the signals from the two eyes are combined. Knowing this should help determine the types of nonlinearities responsible. Thresholds for detecting uniform color transformations applied to raw and phase-scrambled natural scenes were measured under two conditions: monocular, in which the discriminand pairs were placed side by side, and dichoptic, in which they were dichoptically superimposed. Subjects were required to select the pair of images that were transformed from two pairs of images in which the other pair was untransformed. In the dichoptic condition, the transformed image pair was identifiable by its lustrous appearance. In line with our previous findings, thresholds in the monocular condition were higher for the phase-scrambled compared to raw scenes. However in the dichoptic condition there was no significant difference between raw and phase-scrambled thresholds, suggesting that the differential sensitivity was mediated by mechanisms lying beyond the point of binocular combination. It is suggested that cortical neurons sensitive to edges but suppressed by neighboring texture might be responsible for the higher sensitivity to transformations applied to raw compared to phase-scrambled images of natural scenes.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».