Border Ownership Assignment based on Dorsal and Horizontal Modulations
Notice bibliographique
Résumé
The face-vase illusion introduced by Rubin (Rubin, 1915) demonstrates how one can switch back and forth between two different interpretations by assigning borders to either side of contours in an image. Border ownership assignment is an important step in perception of forms. Zhou et al. (Zhou, Friedman, & von der Heydt, 2000) suggested that certain neurons in the visual cortex encode border ownership. They showed that the responses of these neurons not only depend on the local features present in their classical receptive fields, but also on the contextual information. Various models (Layton, Mingolla, & Yazdanbakhsh, 2012; Tschechne & Neumann, 2014) proposed employing feedback modulations for border ownership neurons as the neurons higher in the ventral stream have larger receptive fields and hence, can provide the required contextual information. Zhaoping (Zhaoping, 2005), however, suggested lateral connections could provide the required contextual information. The time course of border ownership neurons does not support feedback from higher layers in the ventral stream and that horizontal connections cannot be the only source of contextual information (Zhang & von der Heydt, 2010). In this study, we propose a model that provides the global information to border ownership neurons by incorporating modulatory signals from MT in the dorsal stream as well as horizontal connections. MT neurons are sensitive to spatiotemporal variations at coarser scales and have relatively large receptive fields. Moreover, they are computationally fast and fit well within the time course of border ownership computation (Schmolesky et al., 1998). Our simulation experiments show that our model border ownership neurons, similar to their biological counterparts, exhibit a difference of response to figure on either side of the border. Moreover, the difference in responses becomes smaller as the figure size increases and the responses are invariant to outlined and solid figures. Meeting abstract presented at VSS 2018
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».