The impact of conflicting ordinal and metric depth information on depth matching
Notice bibliographique
Résumé
Under natural viewing conditions binocular disparity can provide metric depth information; many of the monocular depth cues, such as occlusion, provide depth order only. Nonetheless, when put in conflict there is evidence that occlusion can influence the direction and magnitude of perceived depth from stereopsis. Here we explored the integration of depth information from occlusion and binocular disparity in complex real-world environments using a depth matching paradigm. The virtual stimulus was a green letter ‘A’ presented using a Microsoft HoloLens augmented reality (AR) display and superimposed on a real frontoparallel surface at 1.2 m. The letter was placed at one of eight positions – between 0.9 and 1.6 m, including the surface location. Observers matched the distance of a probe to the perceived distance of the letter by moving it with a sliding pole. For comparison, observers performed the same task without the physical surface. Our results show that when the surface was absent or the letter was rendered in front of the surface the letter was accurately localized. However, when the letter was rendered beyond the surface, observers progressively underestimated the letter’s distance, even though the relative disparity between the probe and the target should have been equally informative at all locations. This pattern of results suggests that 1) observers are unable to ignore conflicts between occlusion and binocular disparity and 2) the occlusion conflict biases the perceived position of the target in the direction of the occluder. Our results are well modelled using a Bayesian ideal observer with an asymmetric likelihood for an occlusion cue representing letter positions in front of vs beyond the surface. In addition to providing insight into the integration of ordinal and metric depth information, these results speak to the impact of such errors in AR on user interactions.
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 | 0,002 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».