MétaCan
Menu
Retour à la cohorte
Enregistrement W2893505613 · doi:10.1167/18.10.230

Perception of gaze direction using 3D virtual reality displays. Effect of Sclera and Head Orientation.

2018· article· en· W2893505613 sur OpenAlexaff
Diego B. Piza, Hitarth Dalal, Borna Mahmoudian, Rob Nicolson, Julio Martínez-Trujillo

Notice bibliographique

RevueJournal of Vision · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueTechnology and Human Factors in Education and Health
Établissements canadiensChildren’s Health Research InstituteWestern University
Organismes subventionnairesnon disponible
Mots-clésGazeOrientation (vector space)PsychologyScleraIllusionPerceptionComputer visionArtificial intelligenceAudiologyComputer scienceMathematicsCognitive psychologyGeometryMedicineOphthalmologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Perceived gaze direction results from a mechanism that takes into account the orientation of the eyes and the head relative to the observer (Todorovic 2006). Studies using two-dimensional images have shown that head orientation influence perceived gaze direction (Wollaston illusion; see Langton 2000). However, this effect has not been studied using 3D images; it is possible that 3D cues modulate interactions between head and gaze direction. We clarify this issue by using 3D virtual reality displays of digitized faces while manipulating eye and head orientation. We also studied the effect of the white sclera on perceived gaze direction by replacing human eyes by macaque monkey eyes. We used an Oculus rift for stimulus presentation. The stimulus presentation and data collection were conducted using Unreal Engine 4. Within a virtual world, emotionally neutral human heads with human or monkey eyes with 3 head and 7 eye orientations were presented. Subjects (n=9) judged whether gaze pointed right or left relative to them. A Weibull function was fit to the data; α (point of equality) and β (slope) were determined for each subject. We found a head orientation bias corresponding to a repulsive effect only when using human-eyes (rightward head rotation; αMedian 2.89° vs 0.05°; signed-rank test; p = 0.0039; leftward head rotation; αMedian -2.74° vs 0.05°; signed-rank test; p = 0.0195). We also found that the slope of the psychometric curves was steeper using human-eyes (human-eyes vs monkey-eyes, βmedian 12.14 vs 3.87; signed-rank test; p = 0.0053). Subjects showed longer reaction times with monkey eyes (median difference= 61ms; Kruskal-Wallis p< 0.001). Our results showed that the Wollaston illusion is present in 3D displays, however, it vanishes when the white sclera is not present. This indicates that the white sclera in human eyes substantially contribute to improve the accuracy of gaze direction discrimination. 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,666
Score d'incertitude au seuil0,154

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,412
Écart entre enseignants0,381 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetTechnology and Human Factors in Education and HealthTravaux en français237 207