Linking perceived to physical contrast: Comparing results from discrimination and difference-scaling experiments
Notice bibliographique
Résumé
Psychophysical approaches that allow us to estimate how perceived stimulus intensity is linked to physical intensity are import tools for studying nonlinear transformations of visual signals within different visual pathways. Here, we investigated how stimulus contrast is encoded in achromatic and chromatic pathways using simple grating stimuli. We compared two experimental approaches to this question: contrast discrimination (increment detection thresholds measured on contrast pedestals) and the maximum likelihood difference scaling (MLDS) approach introduced by Maloney and Yang (2003). The results of both experiments are expressed using simple models that include a transducer function mapping physical contrast to an internal signal the observer uses in making judgments, and an estimate of the variability of this representation (internal "noise"). We found that the transducers derived from both experiments have a similar form, but occupy different ranges of physical contrast in different stimulus conditions, reflecting difference in contrast sensitivity. This is consistent with past discrimination results, and in the difference-scaling case provides new evidence supporting the idea that suprathreshold chromatic and achromatic contrast are processed similarly, once differences in contrast sensitivity are taken into account. Model estimates of internal noise were higher in the difference-scaling experiment than the discrimination experiment, a finding we attribute to a difference in task complexity. Finally, we fit an alternative version of the MLDS model in which internal noise increased with response level. This alternative was no better at predicting holdout data in a cross-validation analysis than the original constant-variance model.
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 | 0,000 | 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 ».