The size of objects in visual space compared to pictorial space
Notice bibliographique
Résumé
The visual space in front of our eyes and the pictorial space that we see in a photo or painting of the same scene behave differently in many ways. Here, we used virtual reality (VR) to investigate size perception of objects in visual space and their projections in the picture plane. We hypothesize that perceived changes in the size of objects that subtend identical visual angles in pictorial and visual space are due to the dual nature of pictures: The flatness and location of the picture “cross-talks” (Sedgwick, 2003) with the perception of the depicted three-dimensional space. If the picture is at distance dpic and the depicted object at dobj, size-distance relations influence perceived relative sizes. The picture is expected to be scaled by a factor c*(dobj / dpic − 1) + 1 to match the object, where c is a constant between 0 and 1. In a VR environment, eight participants toggled back and forth between a view of an object seen through a window in an adjacent room, and a picture that replaced the window. Participants adjusted the picture scale to match the size of the object through 60 trials varying dobj and dpic. A multilevel regression indicated that the above model does not hold. Rather, we found a striking asymmetry between the roles of object and picture. If dobj was greater than dpic (object behind picture) then c was 0.005 (t(7) = 7.80, p < 0.001). In contrast, if dobj was less than dpic (object in front of picture), c was 0.33 (t(7) = 3, p < 0.001). We discuss this result in the context of a number of different theories that address the particular nature by which the flatness of the picture plane influences the perception of pictorial space.
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 ».