Nothing more than a curve: a common mechanism for the detection of radial and non-radial frequency patterns?
Notice bibliographique
Résumé
Radial frequency (RF) patterns, which are sinusoidal modulations of a radius in polar coordinates, have been frequently used to study shape perception. Discriminating RF patterns from circles could be accomplished either by mechanisms sensitive to local parts of the pattern, or by a global mechanism operating at the scale of the entire shape. Previous studies have argued that the detection of RF patterns could not be achieved by local curvature analysis, but instead by a specialized global mechanism for RF shapes. Here we challenge this hypothesis and suggest a model based on the detection of local curvature to account for the pattern of thresholds observed for both radial and non-radial (e.g. modulated around a straight line) frequency patterns. We introduce the Curve Frequency Sensitivity Function, or CSFF, which is characterized by a flat followed by declining response to curvature as a function of modulation frequency. The decline in response to curvature at high modulation frequencies embodies the idea of a perceptual limitation for high curve frequencies. The CSFF explains the initial decrease in detection thresholds for low RFs followed by the asymptotic thresholds for higher RFs (Wilkinson, Wilson, & Habak, 1998) and similarly accounts for results with non-radial frequency patterns (Prins, Kingdom, & Hayes, 2007). In summary, our analysis suggests that the detection of shape modulations is processed by a common curvature-sensitive mechanism that is independent of whether the modulation is applied to a circle or a straight line and that therefore radial frequency patterns are not special. 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 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 | 0,000 | 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) | 0,000 | 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 ».