MétaCan
Menu
Retour à la cohorte
Enregistrement W2143692084 · doi:10.1167/9.12.3

Orientation tuning of curvature adaptation reveals both curvature-polarity-selective and non-selective mechanisms

2009· article· en· W2143692084 sur OpenAlexaff
Jason Bell, Elena Gheorghiu, F. A. A. Kingdom

Notice bibliographique

RevueJournal of Vision · 2009
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCurvatureOrientation (vector space)Gaussian curvatureGeometryPolarity (international relations)MathematicsOpticsPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

We have used a curvature after-effect, or CAE, to explore whether curvature detectors are tuned for the overall orientation of a curve. CAEs were measured for half-cycle cosine-shaped contours as a function of adaptor contour orientation for a fixed test contour orientation. CAEs (i) were greatest when the adaptor and test contours had the same orientation, (ii) decreased rapidly as the orientation of the adapting contours rotated away from the test, the data being well fit by a Gaussian function with a standard deviation of 16 degrees , (iii) increased again to a secondary peak when the adapting contours were rotated 180 degrees relative to the test. Control experiments showed that the shape of the curvature-orientation tuning function could not be explained by local orientation adaptation, and that instead curvature encoding mechanisms are tuned for orientation. The secondary peak in the CAE at 180 degrees is argued to be inconsistent with curvature opponency and instead a result of the combination of polarity-selective and polarity-non-selective curvature mechanisms. The results are discussed in relation to recent psychophysical and physiological models of form processing and the possible significance of the findings with regard to symmetry processing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,029
Tête enseignante GPT0,335
Écart entre enseignants0,306 · 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 source (Gemma direct ou Codex distillé), 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

Citations21
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

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