MétaCan
Menu
Retour à la cohorte
Enregistrement W4211068394 · doi:10.1002/0471214426.pas0103

Depth Perception

2002· other· en· W4211068394 sur OpenAlexaff
Ian P. Howard

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésPerceptComputer visionArtificial intelligenceBinocular disparityDepth perceptionComputer scienceKinetic depth effectFocus (optics)Object (grammar)PerceptionCurvatureMotion (physics)Binocular visionMathematicsMotion perceptionGeometryOpticsPhysicsPsychology

Résumé

récupéré en direct d'OpenAlex

Abstract This chapter contains a review of information that we use to perceive the three‐dimensional structure of the visual world. To a limited extent for near viewing we can use nonvisual signals from the accommodative state of the lens or the state of convergence of the eyes. Visual information available to one eye included image blur arising from out‐of‐focus images; overlap between images of objects at different distances serves as a cue to relative depth. Shading and shadows provide a rich source of information about relative depth, although the sign of depth relations can be ambiguous. When we move past a stationary scene, the relative motion of images of objects at different distances indicates very small differences in depth. Image expansion of an approaching object indicates time to impact and the symmetry of image motion indicates whether the approaching object will hit us. Binocular information available when only both eyes are open includes differences between the images in the two eyes. These binocular disparities provide information about the distances of objects, and the inclination and curvature of surfaces. The chapter ends with a discussion of how different depth cues interact to produce a unified percept of the three‐dimensional structure of the world.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,228
Score d'incertitude au seuil0,976

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)0,2530,025

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 Opus0,090
Tête enseignante GPT0,331
Écart entre enseignants0,241 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVisual perception and processing mechanismsTravaux en français237 207