Interocular difference thresholds are mediated by binocular differencing, not summing, channels
Notice bibliographique
Résumé
Patterns in the two eyes' views that are not identical in hue or contrast often elicit an impression of luster, providing a cue for discriminating them from perfectly matched patterns. Here we attempt to determine the mechanisms for detecting interocular differences in luminance contrast, in particular in relation to the possible contributions of binocular differencing and binocular summing channels. Test patterns were horizontally oriented multi-spatial-frequency luminance-grating patterns subject to variable amounts of interocular difference in grating phase, resulting in varying degrees of local interocular contrast difference. Two types of experiment were conducted. In the first, subjects discriminated between a pedestal with an interocular difference that ranged upward from zero (i.e., binocularly correlated) and a test pattern that contained a bigger interocular difference. In the second type of experiment, subjects discriminated between a pedestal with an interocular difference that ranged downward from a maximum (i.e., binocularly anticorrelated) and a test pattern that contained smaller interocular difference. The two types of task could be mediated by a binocular differencing and a binocular summing channel, respectively. However, we found that the results from both experiments were well described by a simpler model in which a single, linear binocular differencing channel is followed by a standard nonlinear transducer that is expansive for small signals but strongly compressive for large ones. Possible reasons for the lack of involvement of a binocular summing channel are discussed in the context of a model that incorporates the responses of both monocular and binocular channels.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».