The impact of object-based grouping on perceived depth magnitude: Virtual vs. physical targets
Notice bibliographique
Résumé
The amount of depth perceived between two vertical lines is markedly reduced when those lines are connected to form the boundaries of a uniform closed object (Deas & Wilcox, 2014). Recently, we suggested that this degraded depth effect is contingent on perceptual grouping of elements to form an object and on disparity changes along the horizontal axis (Sudhama et al., 2015 VSS). In previous studies stimuli were presented virtually on LCD displays, using a mirror stereoscope. In this set of experiments, we ask whether the same distortions in perceived depth are observed when multiple, consistent 2D depth cues are present. Here, we replicated Deas and Wilcox's original paradigm using physical stimuli. Targets consisted of 3D-printed vertical posts (in isolation and connected to form rectangles), mounted on a customized computer-controlled motion platform. Stimuli were printed with a range of horizontal disparities between the vertical contours. The stimulus dimensions, viewing distance, and test manipulations closely matched the original paradigm. A set of four disparities was tested ten times apiece in random order, for isolated and connected stimuli. On each trial, observers judged the amount of depth between two vertical posts using a touch sensitive strip. We found that the resulting depth magnitude estimates were accurate over a large range of disparities. Moreover, there was no difference between estimates obtained in the isolated line vs. closed object configurations. In follow-up experiments with virtual targets we also found that the disruptive effects of perceptual grouping are modulated by the presence of multiple depth cues. We argue that this is not due to conflicts between 2D and stereoscopic depth cues. Instead, the absence of reliable additional depth cues makes stereoscopic depth estimates more susceptible to phenomena such as object-based grouping. These results have clear implications for creation and use of stereoscopic imagery in virtual environments. 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 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 | 0,002 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».