Notice bibliographique
Résumé
The curvature of a smooth curve in the plane is defined mathematically as the rotation of the tangent vector over an infinitesimal interval of the curve, but what is perceptual curvature? It must be something different, as the eye cannot resolve infinitesimals. Here we seek to understand how humans perceive the local curvature of natural shapes. Five observers viewed a sequence of white outline animal shapes at two viewing distances (75cm and 150cm). Each shape was scaled to have standard deviation of 1.56deg at 75cm. A random point on each shape was highlighted and the observer judged the curvature at this point. To avoid obscuring the contour, the judgement was made by placing a red dot at the perceived centre of curvature. We considered three models of perceptual curvature, each a function of an interval of the contour centred at the point of interest, based on the turning angle formed by the point of interest and the bounding points of the interval, and the sine and tangent of this angle. We first determined the subset of trials on which the signs of objective and perceptual curvature agreed, and then analyzed the correlation between the magnitudes of objective and perceptual curvature for this subset, as a function of the neighbourhood size. We found the turning angle model to be most predictive of perceptual curvature, with an optimal contour neighbourhood of 29arcmin at a viewing distance of 75cm. We expected the optimal neighbourhood at 150cm viewing distance to be either constant in a retinal frame (29arcmin) or in an object frame (14.5arcmin). What we found was intermediate (20arcmin), suggesting influence by both physiological and contextual factors. 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 | 0,002 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».