Object completion with stochastic completion fields predicts human behavior in recognizing degraded object drawings
Notice bibliographique
Résumé
Biederman & Cooper (1991) showed that observers were better at classifying degraded line drawings of objects when shown only contour junctions than when shown only middle segments. We here provide an account of these results based on a low-level algorithm for object completion. The human visual system infers geometry not only for visible but also for occluded contours and surfaces. This provides a central theme to figural completion which lays out a computational framework to estimate paths that connect a set of boundary fragments. In our model, we use the Fokker-Planck Equation to extract a set of points with assigned orientations. These points represent the sources and sinks for a stochastic completion field (SCF) algorithm (Williams and Jacobs, 1995). The SCF algorithm produces a distribution of possible completion fields, where each field is a probability density function (PDF) that enables us to score each possible completion path. We tested the algorithm on the Snodgrass and Vanderwart (1980) dataset of 260 manually traced line drawings of objects. The traced objects were separated into two half images; one half with contour segments containing junctions, and the other with segments between junctions. We attempted to complete the half-drawings using the SCF algorithm. The completions replicated the original, intact drawings more faithfully for the half-drawings with junctions than those with middle segments. Our computational results show that contour completion is easier in objects with junctions than with middle segments, which aligns with Biederman & Cooper's behavioural result. Ultimately, the SCF is a method that is potentially useful for predicting which types of incomplete line drawings can be more easily completed by the human visual system. Moreover, SCF may form the computational basis for an image-computable implementation of the Good Continuation Gestalt grouping rule.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».