Perceived 3D Shape Toggles Perceived Glow
Notice bibliographique
Résumé
Most surfaces reflect light from external sources, but others emit their own light, or glow. Glowing surfaces often signify an important feature in the environment (e.g., heat source or bioluminescent life form), but we know little about how the visual system identifies them. Here, we show that perceived 3D shape is critical for perceived glow. In Experiment 1, we created "dark-means-deep" stimuli by rendering stereoscopic pairs of wavy 3D surfaces under diffuse light (non-directional lighting on a cloudy day). This generated stimuli with bright peaks and dark valleys. We created "bright-means-deep" stimuli by using the same luminance images, but reversing the disparity to get dark peaks and bright valleys. Subjectively, dark-means-deep stimuli appeared evenly lit from the front, whereas bright-means-deep stimuli produced a vivid impression of glow. On a mirror stereoscope, we displayed dark-means-deep and bright-means-deep stimuli side-by-side, and asked observers to choose the one that appeared to glow. Five of six observers consistently identified the bright-means-deep stimuli as glowing. In a follow-up study, we assessed depth percepts for the same observers and stimuli using a depth-probe task ("is the probe on a peak or in a valley?"). Five of six observers performed almost perfectly. The sixth observer (the anomalous observer from above) ignored disparity cues, always judging bright regions as peaks and dark regions as valleys. Thus, this observer was anomalous because disparity cues did not affect their shape percepts. In Experiment 2, we used the same observers, stimuli, and methods, except that we used motion parallax instead of disparity to reveal surface relief. All observers, including the anomalous one, identified bright-means-deep stimuli as glowing, demonstrating that the glow effect was not tied to a particular depth cue. Our results demonstrate that human vision has a sophisticated understanding of lighting geometry, interpreting complex shape-luminance relationships to identify glowing surfaces. 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 | 0,000 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».