Asymmetries in the discrimination of motion direction around the visual field
Notice bibliographique
Résumé
The discriminability of motion direction is asymmetric, with some motion directions that are better discriminated than others. For example, discrimination of directions near the cardinal axes (upward/downward/leftward/rightward) tends to be better than oblique directions. Here, we tested discriminability for multiple motion directions at multiple polar angle locations. We found three systematic asymmetries. First, we found a large cardinal advantage in a cartesian reference frame - better discriminability for motion near cardinal reference directions than oblique directions. Second, we found a moderate cardinal advantage in a polar reference frame - better discriminability for motion near radial (inward/outward) and tangential (clockwise/counterclockwise) reference directions than other directions. Third, we found a small advantage for discriminating motion near radial compared to tangential reference directions. The three advantages combine in an approximately linear manner, and together predict variation in motion discrimination as a function of both motion direction and location around the visual field. For example, best performance is found for radial motion on the horizontal and vertical meridians, as these directions encompass all three advantages, whereas poorest performance is found for oblique motion stimuli located on the horizontal and vertical meridians, as these directions encompass all three disadvantages. Our results constrain models of motion perception and suggest that reference frames at multiple stages of the visual processing hierarchy limit performance.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».