MétaCan
Menu
Retour à la cohorte
Enregistrement W3003076508 · doi:10.24908/iqurcp.10641

7. Shape and Motion Integration in People Perception Depends on the Action of the Performer

2018· article· en· W3003076508 sur OpenAlexvenueno aff
Claire Honda

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMotion (physics)PerceptionAction (physics)Performing artsObject (grammar)Biological motionKinematicsCommunicationArtificial intelligenceMotion captureComputer visionPsychologyComputer sciencePhysicsVisual artsArtClassical mechanics

Résumé

récupéré en direct d'OpenAlex

Perception of human action depends on both the body shape and motion of a performer. We can indirectly perceive the properties of an object being acted upon even when visual information is limited and the object itself is not visible; we accomplish this using internal models of a body’s dynamics and an action’s kinematics (Runeson & Frykholm, 1981). We are also sensitive to correlations between a performer’s shape and motion, known as internal consistency (Runeson & Frykholm, 1983). To investigate how decorrelating shape and motion affects indirect object perception, we ran an experiment where participants watched realistic avatars of performers manipulating invisible objects. Unbeknownst to participants, half of the stimuli were internally inconsistent: the shape of one performer was combined with the motion of a performer with a dissimilar body shape. Participants saw sled pushes, beanbag throws, and box lifts, and estimated the sled weight, throw distance, or box weight. For sled pushes, there was a shape-motion interaction such that heavy bodies were perceived as pushing heavier weights when animated with motion from light performers, and light bodies were perceived as pushing lighter weights when animated with motion from heavy performers. In contrast, participants estimated beanbag throw distance primarily from performer motion. Interpretation of the box lift data is more complex. In conclusion, the way in which our visual system combines shape and motion information depends on the role of body shape and centre of mass on the outcome of an action.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,147
Tête enseignante GPT0,396
Écart entre enseignants0,249 · 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 source (Gemma direct ou Codex distillé), 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 revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetData Visualization and AnalyticsTravaux en français237 207