Active Observers in a 3D World: The 3D Same-Different Task
Notice bibliographique
Résumé
Most past and present research in computer vision involves passively observed data. Humans, however, are active observers outside the lab; they explore, search, select what and how to look. Here, we are investigating active, visual observation in a 3D world. To focus, we ask subjects to decide if two 3D objects are the same or different, with no constraints on how they view those objects. Such 3D unconstrained, active observation seems under-studied. While many studies explore human performance, usually, they use line drawings portrayed in 2D, and no active observer is involved. The ability to compare two objects seems a core visual capability, one we use many times a day. It would also be essential for any robotic vision system whose role it is to be a real assistant at home, manufacturing or medical setting. To explore the 3D 'same-different task', we designed a novel experimental environment and created a set of twelve 3D printed objects with known complexity. The subject is allowed to move around freely in a 4m x 3m controlled environment, outfitted with eye gaze tracker and observed by head trackers. In this environment, two objects are presented at a time at a fixed 3D locations but with a varying 3D pose. We track precise 6D head motion, gaze and record a video of all actions, synchronized at microsecond resolution. Additionally, the subject is interviewed about how the task was approached. Our results show that at least six strategies for solving this task are employed, not always independently. We found that the strategy used is dependent on three variables: object complexity, object orientation, and initial viewpoint. Furthermore, we show that performance improves over time as subjects refine their strategies throughout the study. Since no external feedback is given, an internal feedback mechanism must exist that refines strategies.
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) | 0,000 | 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 ».