The effect of frame rate and motion blur on vection
Notice bibliographique
Résumé
Immersive cinema relies on vision to orient and move the viewer through the portrayed scene. However some viewers are susceptible to cinema sickness, which has been linked to visually-induced percepts of self motion or vection. Recent advances have enabled cinematic frame rates much higher than the conventional 24 frames per second (fps). The resulting improved motion fidelity might promote vection with potentially positive (e.g., increased presence) or negative (e.g., cinema sickness) consequences. We measured the intensity of vection while observers watched stereoscopic 3-D computer graphics movies projected on a large screen. We fixed the refresh rate at 120 Hz (60 Hz per eye using shutter glasses), and manipulated the flash protocol to create 60 fps (single flash), 30 fps (double flash) and 15 fps (quadruple flash) for each eye. The stimuli simulated forward motion along a gently winding street at speeds of 20 and 40 km/h. The simulated camera exposure time was also varied (0, 8.33, 16.67 and 33.33 ms) to investigate effects of motion blur. Vection intensity was measured using a magnitude estimation technique for all conditions interleaved randomly. Results from eighteen observers showed that vection intensity was significantly higher at a simulated speed of 40 km/h than at 20 km/h, but there was no main effect of exposure time. For the no motion blur condition (0 s) at the slower speed, stronger vection was observed at higher frame rates as predicted. The lack of an effect of frame rate at the high speeds may have been due to a ceiling effect, as vection was much stronger in the fast conditions. The lack of influence of frame rate in the presence of motion blur is interesting and suggests that motion artefacts (such as judder) that are introduced at low frame rates could be hidden by motion blur. Meeting abstract presented at VSS 2016
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 | 0,007 |
| 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 | 0,000 | 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) | 0,002 | 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 ».