Simultaneous density contrast and binocular integration
Notice bibliographique
Résumé
Most research on texture density has utilized textures rendered as two-dimensional (2D) planar surfaces, consistent with the conventional definition of density as the number of texture elements per unit area. How the brain represents texture density information in the three-dimensional (3D) world is not yet clear. Here we tested whether binocular information affects density processing using simultaneous density contrast (SDC), in which the perceived density of a texture region is changed by a surround of different density. We considered the effect on SDC of two types of binocular information: the stereoscopic depth relationships and the interocular relationships between the center and surround textures. Observers compared the perceived density of two random dot patterns, one with a surround (test stimulus) and one without (match), using a 2AFC staircase procedure. In Experiment 1 we manipulated the stereo-depth of the surround plane systematically from near to far, relative to the center plane. SDC was reduced when the difference in stereo-depth between test center and surround increased. In Experiment 2 we spread the surround dots randomly across a stereo-depth volume from small to large volume sizes, and found that SDC was slightly reduced with volume size. The decrease of SDC in both experiments was observed with dense surrounds only, but not with sparse surrounds. In the last experiment we presented center and surround in the same depth plane but dichopticly, monopticly, and binocularly. A strong interocular transfer of SDC was found in the dichoptic condition. Together these results show that texture density processing is sensitive to binocularity.
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 | 0,001 |
| 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 ».