MétaCan
Menu
← Retour à la cohorte
Enregistrement W3196777346 · doi:10.1167/jov.21.9.2336

Visual penetration through structured occluders

2021· article· en· W3196777346 sur OpenAlexaff
Ru Qi Yu, Jiaying Zhao

Notice bibliographique

RevueJournal of Vision · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPerceptionComputer visionDepth perceptionComputer scienceArtificial intelligenceLegibilityVisual perceptionNumerosity adaptation effectComputer graphics (images)PsychologyVisual artsArt

Résumé

récupéré en direct d'OpenAlex

Occluders are prevalent in the visual environment. For example, we need to see through the rain drops on the windshield when driving, or see through the blinds from our living room. Some occluders are random (e.g., rain drops), while others are structured (e.g., blinds). How does occluder pattern influence visual perception? To answer this question, we presented occluded scenes to participants and asked them to judge whether the scene was indoors or outdoors in Experiment 1. The pattern of the occluders was either random or structured (e.g., stripy). The occluders were either chunky (leaving large chunks of the scene visible), or fine-grained (similar to mesh). Scene discrimination was better when the occluders were structured than random but only for fine-grained occluders, and it was identical for structured and random occluders when they were chunky. This suggests that fine-grained structured occluders are more visually penetrable than random occluders. For chunky occluders, the need for visual penetration is reduced due to the large intact scene chunks, which could explain the lack of difference. To see whether this effect is specific to scene perception, we replicated the experiment using object images where participants viewed occluded objects and judged whether the object was animate or inanimate in Experiment 2. The results were highly similar: object discrimination was better when fine-grained occluders were structured than random, but performance was comparable for chunky structured and random occluders. Finally, we extended our findings to numerosity perception where participants estimated the number of objects in an occluded array in Experiment 3. Number estimation was more accurate when fine-grained occluders were structured than random. Therefore, for all three types of perception (scene, object, number) fine-grained structured occluders are more visually penetrable than random occluders. The findings reveal new insights into how visual perception operates with incomplete information.

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)0,000
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,053
Tête enseignante GPT0,385
Écart entre enseignants0,331 · 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'étudeExpérimental (laboratoire)
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vision→Même sujetVisual perception and processing mechanisms→Travaux en français237 207→