On the combination of illusory and luminance-defined stereoscopic surfaces
Notice bibliographique
Résumé
In stereoscopic Kanizsa figures the shape of the interpolated illusory surface is determined by luminance-defined disparity signals that exist only along edges of inducing elements. Despite ambiguity in the position of illusory boundaries, observers reliably perceive a coherent surface in depth between the inducers. However, the ambiguity of illusory boundaries may contribute additional uncertainty in the depth percept beyond what is expected from measurement noise alone. We evaluated the intrinsic uncertainty of illusory boundaries by measuring the reliability of depth percepts elicited by stereoscopic illusory surfaces using a cue combination paradigm. We systematically assessed the accuracy and precision of suprathreshold depth percepts using Kanizsa figures with a range of inducer disparities. For comparison, we assessed perceptually equated luminance-defined surfaces, with and without inducing elements. The location of the surface peak in these configurations was defined by illusory boundaries, low contrast luminance-defined edges, or a combination of both. Accuracy was evaluated using a disparity-matching procedure and precision was assessed using a 2IFC depth discrimination paradigm. A maximum likelihood, linear cue combination model was used to evaluate the relative contribution of illusory and luminance-defined signals to the perceived depth of the combined surface. Our analysis showed that the variance in estimated depth was consistent with optimal combination, but the points of subjective equality (PSE) showed that observers consistently underweighted the contribution of illusory boundaries. This systematic underweighting is consistent with a combination rule that attributes additional intrinsic uncertainty to the location of the illusory boundary due to the lack of luminance-defined features that define its location in 3D space. While previous studies have shown that illusory and luminance-defined contours are processed similarly in some ways, our results demonstrate that illusory contours have additional intrinsic uncertainty beyond what we would expect from perceptually matched luminance-defined contours. Meeting abstract presented at VSS 2017
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 ».