First- and second-order motion mechanisms are distinct at low but common at high temporal frequencies
Notice bibliographique
Résumé
There is no consensus on the type of nonlinearity enabling motion processing of second-order stimuli. Some authors suggest that a nonlinearity specifically applied to second-order stimuli prior to motion processing (e.g., rectification process) recovers the spatial structure of the signal permitting subsequent first-order motion analyses (e.g., filter-rectify-filter model). Others suggest that nonlinearities within motion processing enable first-order-sensitive mechanisms to process second-order stimuli (e.g., gradient-based model). In the present study, we evaluated intra- and inter-attribute interactions by measuring the impact of dynamic noise modulators (either luminance (LM) or contrast-modulated (CM)) on the processing of moving LM and CM gratings. When the signal and noise were both of the same type, similar calculation efficiencies but different internal equivalent noises were observed at all temporal frequencies. At high temporal frequencies, each noise type affected both attributes by similar proportions suggesting that both attributes are processed by common mechanisms. Conversely, at low temporal frequencies, each noise type primarily impaired the processing of the attribute of the same type suggesting distinct mechanisms. We therefore conclude that two fundamentally different mechanisms are processing CM stimuli: one low-pass and distinct from the mechanisms processing LM stimuli and the other common to the mechanisms processing LM stimuli.
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 | 0,001 | 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) | 0,001 | 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 ».