MétaCan
Menu
Retour à la cohorte
Enregistrement W3095232125 · doi:10.1167/jov.20.11.820

Temporal evolution of colour representation measured with magnetoencephalography (MEG).

2020· article· en· W3095232125 sur OpenAlexaff
Erin Goddard, Christopher Shooner, Kathy T. Mullen

Notice bibliographique

RevueJournal of Vision · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueColor perception and design
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAchromatic lensHueMagnetoencephalographyStimulus (psychology)Chromatic scaleArtificial intelligenceContrast (vision)PsychologyColor visionPerceptionPattern recognition (psychology)MathematicsComputer visionCommunicationComputer sciencePhysicsCognitive psychologyOpticsNeuroscienceElectroencephalography

Résumé

récupéré en direct d'OpenAlex

Colour perception is based on the differential spectral responses of the L,M and S-cones, subsequent subcortical and cortical computations, and may include the influence of higher order factors such as language. Due to our much higher sensitivity to L/M cone opponent contrast than S-cone contrast, a colour space that is ‘perceptually uniform’ is very different to one defined by cone contrast. Here we compare the evolution of different colour representations over time using magnetoencephalography (MEG). We measured neural responses to 14 hues at each of 3 achromatic offsets (increment, equiluminant and decrement). Stimuli were circular blobs (40-deg diameter) of 300ms duration, smoothed in space and time, each presented 42 times in a counterbalanced order. For each subject (n=8), we trained classifiers to discriminate all possible pairs of stimuli using MEG responses at each timepoint (10ms bins). From ~100ms after stimulus-onset, we found robust classification of stimuli varying in hue and/or achromatic offset. For stimuli differing only in achromatic offset, classifier performance peaked at ~160ms after stimulus onset, then decayed. For stimuli that varied only in hue, classifier performance remained high ~160-400ms. This suggests that while early neural responses differentiate stimuli both on chromatic and achromatic content, they then shift towards a more colour-dominated response. Using Representational Similarity Analysis (RSA) we found that models based on colour, including hue and colour category, correlated well with the data at later times (after 400ms). Surprisingly, these models did not perform significantly better than one based on raw cone contrast, even though cone contrast is not a good predictor of perceptual measures such as visibility and discriminability. We conclude that to demonstrate the emergence of neural representations of perceived hue or colour category, it is crucial to demonstrate that these ‘higher-level’ models provide a better account than lower-level stimulus representations, such as cone contrast.

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)0,000
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 enseignants0,583
Score d'incertitude au seuil0,873

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,045
Tête enseignante GPT0,339
Écart entre enseignants0,294 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetColor perception and designTravaux en français237 207