Scene Contour Junctions Influence Visual Aesthetics
Notice bibliographique
Résumé
Artists have used contour junctions to evoke aesthetic appreciation for works of art across different cultures (Cavanagh, 2005; Sayim & Cavanagh, 2011). Contour junctions are crucial for object recognition (Biederman, 1987), and scene categorization (Walther & Shen, 2014). Given their prominence in visual perception, junctions may also explain a shared human taste for visual aesthetics. The impact of contour junctions on aesthetic judgements has not yet been empirically studied. We examined whether the presence of different types of contour junctions predicts aesthetic preferences for real-world scenes. Line drawings were created by trained artists from photographs of natural scenes. Contour junctions were detected at the intersections of lines and characterized based on the angles between them into different types: X, T, Y, and Arrow junctions, according to methods described by Walther & Shen, 2014. Participants on Prolific were presented with images and asked the following question: “How much do you enjoy viewing this image?”. Aesthetic responses were collected on a 5-point Likert scale (1= not at all to 5= enjoy very much). A linear mixed-effects model was applied to control for individual differences. We found evidence that contour junctions predict human aesthetic preferences for scenes (R-squared = 0.39). Across different individuals, an increase in the number of T, Y and Arrow junctions in a scene was associated with higher aesthetic ratings for that scene, whereas the presence of X junctions was negatively associated with aesthetic ratings. Importantly, the effect of T junctions persisted for scene categories belonging to natural and urban environments. Our results show that informative scene regions are associated with aesthetic appreciation for real-world scenes. Contour junctions facilitate shape recognition which leads to perceptual fluency or ease of information processing. We may enjoy recognizing familiar visual anchors (e.g., right angles) when viewing scenes because they help us identify affordances.
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) | 0,001 | 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 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 ».