Pooling strategies for the integration of orientation signals depend on their spatial configuration
Notice bibliographique
Résumé
The visual system combines samples from the retinal image into representations of spatially extensive textures. Local orientation signals can be pooled over a texture to estimate global orientation, with psychophysical performance improving as a function of signal area. We used a novel stimulus to investigate how orientation signals are combined over space (whether observers could ignore signalsfrom irrelevant locations), and the effect of spatial configuration on this pooling. Stimuli were 24×24 element arrays of 4c/deg log-Gabors, spaced 1 degree apart. A proportion of these elements had a coherent orientation (horizontal/vertical), with the remainder assigned random orientations.The observer’s task was to identify the global orientation. The spatial configuration of the signal was modulated by a checkerboard-like pattern of square checks containing either potential signal elements or only irrelevant noise. The distribution of signal elements within the array was manipulated by varying the size and location of these checks within a fixed-diameter stimulus. A blocked staircase procedure found the threshold coherence for identification. An ideal detector would pool over just the relevant locations (vector-averaging and filter-maxing models make identical predictions for these signal combination effects), however humans only did this for medium (5×5 to 9×9) check sizes, and for large (15×15) check sizes when the signal was placed at the fovea. For small (1×1 to 3×3) check sizes and large (15×15) peripheral checks the pooling occurred indiscriminately over relevant and irrelevant locations. These findings suggest orientation signals are combined mandatorily over short ranges and in the periphery, but flexibly otherwise.
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 | 0,001 |
| 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 ».