Processing of coarse and fine shape features by humans and deep networks: A shape frequency analysis
Notice bibliographique
Résumé
BACKGROUND. The statistics of coarse and fine shape features can be analyzed using a Fourier descriptor projection. Natural shapes are known to be lowpass: coarse shape features (low shape frequencies) typically have higher amplitudes than fine shape features (high frequencies). Prior work suggests that human shape sensitivity is even more biased toward low shape frequencies than is optimal for natural lowpass shapes, however this was demonstrated only for a simple binary shape discrimination task within a linear classification framework. Deep networks are reported to be more sensitive to local shape features, suggesting a high-frequency bias, but these demonstrations have primarily been on simple artificial stimuli. Here we employ a novel Fourier method to assess the processing of coarse and fine shape features of natural shapes by humans and deep networks, in a more realistic object classification task. METHOD. Human observers (n = 11) classified frequency-filtered animal silhouettes into one of nine animal categories. To assess sensitivity to shape frequencies, the stimuli were high-pass filtered to progressively remove the lowest shape frequencies, with cutoffs ranging from the 2nd to 8th harmonic. Two representative deep networks were also evaluated on the same stimuli: a convolutional network (ResNet-50) and a transformer network (ViT). RESULTS. Both human and deep network performance declined rapidly as low shape frequencies were progressively eliminated. Trial-by-trial analysis revealed that ViT is more predictive of human responses than ResNet-50. Interestingly, the proportion of explainable human variance accounted for by ViT increased from 29% to 57% as more of the low frequencies were eliminated, suggesting that while this transformer model captures some aspects of human selectivity for higher shape frequencies, it struggles to account for human processing of the lower shape frequencies that largely determine human shape judgements.
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 | 0,001 |
| 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 ».