MétaCan
Menu
Retour à la cohorte
Enregistrement W2118563997 · doi:10.1167/11.10.14

Higher order texture statistics impair contrast boundary segmentation

2011· article· en· W2118563997 sur OpenAlexafffund
E. Arsenault, Ali Yoonessi, Curtis L. Baker

Notice bibliographique

RevueJournal of Vision · 2011
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésContrast (vision)SegmentationTexture (cosmology)Higher-order statisticsMathematicsPattern recognition (psychology)Boundary (topology)ScramblingArtificial intelligenceStatisticsComputer scienceMathematical analysisImage (mathematics)Algorithm

Résumé

récupéré en direct d'OpenAlex

Texture boundary segmentation is conventionally thought to be mediated by global differences in Fourier energy, i.e., low-order texture statistics. Here, we have examined the importance of higher order statistical structure of textures in a simple second-order segmentation task. We measured modulation depth thresholds for contrast boundaries imposed on texture samples extracted from natural scene photographs, using forced-choice judgments of boundary orientation (left vs. right oblique). We compared segmentation thresholds for contrast boundaries whose constituent textures were either intact or phase scrambled. In the intact condition, all the texture statistics were preserved, while in the phase-scrambled condition the higher order statistics of the same texture were randomized, but the lower order statistics were unchanged. We found that (1) contrast boundary segmentation is impaired by the presence of higher order statistics; (2) every texture shows impairment but some substantially more than others; and (3) our findings are not related to scrambling-induced changes in detectability. The magnitude of phase-scrambling effect for individual textures was uncorrelated with variations in their amplitude spectra, but instead we suggest that it might be related to differences in local edge structure or sparseness.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,406
Score d'incertitude au seuil0,999

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)0,0020,000

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 Opus0,053
Tête enseignante GPT0,349
Écart entre enseignants0,296 · 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

Citations19
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

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