Color signal information content and the eye of the beholder: a case study in the rhesus macaque
Notice bibliographique
Résumé
Animal coloration has provided many classical examples of both natural and sexual selection. Methods to study color signals range from human assessment to models of receiver vision, with objective measurements commonly involving spectrometry or digital photography. However, signal assessment by a receiver is not objective but linked to receiver perception. Here, we use standardized digital photographs of female rhesus macaque (Macaca mulatta) face and hindquarter regions, combined with estimates of the timing of the female fertile phase, to assess how color varies with respect to this timing. We compare objective color measures (camera sensor responses) with models of rhesus vision (retinal receptor stimulation and visual discriminability). Due to differences in spectral separation between camera sensors and rhesus receptors, camera measures overestimated color variation and underestimated luminance variation compared with rhesus macaques. Consequently, objective digital camera measurements can produce statistically significant relationships that are probably undetectable to rhesus macaques, and hence biologically irrelevant, while missing variation in the measure that may be relevant. Discrimination modeling provided results that were most meaningful (as they were directly related to receiver perception) and were easiest to relate to underlying physiology. Further, this gave new insight into the function of such signals, revealing perceptually salient signal luminance changes outside of the fertile phase that could potentially enhance paternity confusion. Our study demonstrates how, even for species with similar visual systems to humans, models of vision may provide more accurate and meaningful information on the form and function of visual signals than objective color measures do.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».