MétaCan
Menu
Retour à la cohorte
Enregistrement W2157526992 · doi:10.1017/s0952523803201061

How long range is contour integration in human color vision?

2003· article· en· W2157526992 sur OpenAlexafffund
William Beaudot, Kathy T. Mullen

Notice bibliographique

RevueVisual Neuroscience · 2003
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAchromatic lensChromatic scaleMethods of contour integrationOpticsCurvaturePhysicsMathematicsGeometryMathematical analysis

Résumé

récupéré en direct d'OpenAlex

We quantified and compared the effect of element spacing on contour integration between the achromatic (Ach), red-green (RG), and blue-yellow (BY) mechanisms. The task requires the linking of orientation across space to detect a contour in a stimulus composed of randomly oriented Gabor elements (1.5 cpd, sigma = 0.17 deg), measured using a temporal 2AFC method. A contour of ten elements was pasted into a 10 x 10 cells array, a ndbackground elements were randomly positioned within the available cells. The effect of element spacing was investigated by varying the mean interelement distance between two and six times the period of the Gabor elements (lambda = 0.66 deg) while the total number of elements was fixed. Contour detection was measured as a function of its curvature for jagged contours and for closed contours. At all curvatures, we found that performance for chromatic mechanisms declines more steeply with the increase in element separation than does performance for the achromatic mechanism. Averaged critical element separations were 4.6 +/- 0.7, 3.6 +/- 0.4, and 2.9 +/- 0.2 deg for Ach, BY, and RG mechanisms, respectively. These results suggest that contour integration by the chromatic mechanisms relies more on short-range interactions in comparison to the achromatic mechanism. In a further experiment, we looked at the combined effect of element size and element separation in contour integration for the Ach mechanism. We found that the critical separation decreases linearly with the spatial frequency, from about 5 deg at low spatial frequency (larger elements) to about 1 deg at high spatial frequency (smaller elements) suggesting a scale invariance in contour integration. In both experiments we also found no differences between closed and open jagged contours detection in terms of element separation. The neuroanatomical implications of these findings relatively to area V1 are discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
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
Métarecherche0,0010,005
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 savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,075
Tête enseignante GPT0,376
Écart entre enseignants0,302 · 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'étudeObservationnel
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

Citations53
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVisual NeuroscienceMême sujetVisual perception and processing mechanismsTravaux en français237 207