MétaCan
Menu
← Retour à la cohorte
Enregistrement W4311801061 · doi:10.1167/jov.22.14.4471

The role of attention in apparent motion

2022· article· en· W4311801061 sur OpenAlexaff
Yara Mohiar, Rémy Allard

Notice bibliographique

RevueJournal of Vision · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMotion perceptionComputer visionArtificial intelligencePerceptionReceptive fieldComputer scienceOffset (computer science)Orientation (vector space)Motion (physics)PhysicsCommunicationPsychologyMathematicsNeuroscience

Résumé

récupéré en direct d'OpenAlex

Motion perception relies on two fundamentally different motion systems. The energy-based system relies on early direction-selective neurons that automatically and pre-attentively extract motion within their receptive fields. The high-level tracking system rather relies on attentively tracking the position of an object. Two types of apparent motion stimuli were used to investigate the two motion systems. Since early direction-selective neurons only operate within a short temporal window, a temporal gap of 100 msec between the two frames was used to probe the tracking system. No temporal gap was used to probe the energy-based system. In order to explore the role of attention on both systems, the attentional resources dedicated to the stimuli were systematically manipulated using a cueing paradigm. Eight dots simultaneously appeared uniformly distributed on an annulus with a radius of 5 degrees of visual angle. Each dot was displaced in a different random direction (up, down, right or left) in a 2-frame sequence. Observers were asked to report the displacement direction of the randomly selected dot (the target) selected by a central cue. The level of attentional resources dedicated to the target was manipulated by varying the timing of the central cue relative to the offset of the target. Results demonstrated that manipulating attention had a similar effect on both types of stimuli: percentage of correct answers was near perfect when the central cue appeared before the target onset and gradually declined when the cue appeared with or after the target). This suggests that attention plays a similar role in both systems. As energy-based processing is pre-attentive, these results propose that attention plays a minor role in tracking and that the drop in performance with a late cue might not be due to motion processing per se. Instead, it could be related to iconic memory.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,337
Écart entre enseignants0,302 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vision→Même sujetVisual perception and processing mechanisms→Travaux en français237 207→