MétaCan
Menu
Retour à la cohorte
Enregistrement W2293886554 · doi:10.1167/16.3.24

Effect of motion discontinuities on discrimination of periodic trajectories

2016· article· en· W2293886554 sur OpenAlexafffund
Hugh R. Wilson, Jeffrey Fung

Notice bibliographique

RevueJournal of Vision · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésClassification of discontinuitiesTrajectoryMotion (physics)PhysicsDiscontinuity (linguistics)RADIUSMathematical analysisMathematicsClassical mechanicsComputer science

Résumé

récupéré en direct d'OpenAlex

Many biologically important motions are described by periodic trajectories. Radial frequency (RF) trajectories are one example, in which the motion of a difference of Gaussians (DOG) target moves along a path described by a sinusoidal deviation of the radius from a perfect circle (Or, Thabet, Wilkinson, & Wilson, 2011). Here we explore the hypothesis that visual processing of RF trajectories involves global spatio-temporal processes that are disrupted by motion discontinuity. To test this hypothesis, RF trajectories were used that interspersed smooth, continuous motion with three or four discontinuous jumps to other portions of the trajectory. These jumps were arranged so that the entire trajectory was traversed in the same amount of time as in the continuous motion control condition. The motion discontinuities increased thresholds by a factor of approximately 2.1 relative to continuous motion. This result provides support for global spatio-temporal processing of RF motion trajectories. Comparison with previous results suggests that motion discontinuities erase memory for earlier parts of the trajectory, thereby causing thresholds to be based on only the final segment viewed. Finally, it is shown that RF trajectories obey the 1/3 power law characteristic of biological motion.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,117
Score d'incertitude au seuil0,152

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0000,000

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 Opus0,028
Tête enseignante GPT0,340
Écart entre enseignants0,312 · 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.

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

Citations2
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

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