Segmentation and depth from motion parallax-induced dynamic occlusion
Notice bibliographique
Résumé
A powerful cue to the 3D layout of the world is differential image motion resulting from observer movement (motion parallax). Previously (VSS 2010) we measured its role in segmentation and depth perception from shear motion. Here we extend these experiments to the equally important case of dynamic occlusion, which contains both compression-expansion and accretion-deletion cues. Observers performed lateral head translation while an electromagnetic tracker recorded head position. Stimuli consisted of random dots whose horizontal displacements were synchronized proportionately to head movement by a scale factor (“syncing gain”) proportional to depth, and were modulated using periodic velocity envelopes to generate dynamic occlusion motion. Segmentation performance was assessed by measuring discrimination thresholds for envelope orientation. This task included two conditions: one in which stimuli were synched to the head motion, and the other in which previously recorded stimulus motions were “played-back”. In the depth-ordering task, subjects reported whether the half-cycle left or right of the centre of the screen appeared nearer. We compared conditions in which accretion-deletion occurred in an ecologically correct or incorrect relationship, or was absent. Depth-ordering showed robust performance across a wider range of syncing gains compared to shear. In the cue conflict condition, reported depth was consistent with motion parallax at low syncing gains, but consistent with accretion at high syncing gains; segmentation showed similar results for head motion and playback, for correct and incorrect accretion-deletion, and similar or slightly better performance compared to the results from shear. These results demonstrate that dynamic occlusion is a more powerful cue than shear in extracting depth and segmentation information from motion parallax. The results also suggest that motion parallax more effectively signals small depth differences within an object, whereas accretion-deletion provides more information about larger depth differences between separate objects or an object and a background.
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 | 0,000 | 0,002 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».