MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386247262 · doi:10.1167/jov.23.9.4721

Vection does not facilitate flow parsing

2023· article· en· W4386247262 sur OpenAlexaff
Hongyi Guo, Robert S. Allison

Notice bibliographique

RevueJournal of Vision · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésMonocularDepth perceptionStereoscopyComputer visionStereopsisPerceptionPsychologyOptical flowBinocular disparityComputer scienceArtificial intelligenceAudiologyCommunicationMedicineNeuroscience

Résumé

récupéré en direct d'OpenAlex

The perception of self-motion can be induced or enhanced by exposure to visual stimuli such as optic flow. It has also been shown that consistent stereoscopic information enhances visually-induced self-motion perception (vection). Conversely, does vection affect the observer’s ability to parse the flow? And if so, how does it interact with binocular stereopsis? To investigate, we presented participants a scene including a target, a fixation cross, floor, ceiling, and pillars to provide optic flow using a wide-field, stereoscopic, immersive display. Participants virtually moved forward or backward at 1.4 m/s, either while continuously viewing the scene to produce vection or when it was only displayed during the 500 ms trial (the no-vection condition). The target was presented initially at eye level, and moved obliquely upward in a sagittal-parallel plane. The target’s velocity in depth was adjusted by adaptive staircases to obtain the bias and sensitivity. The task was to indicate whether the target moved obliquely forward or backward in the scene. The stimuli were presented in three viewing conditions: stereoscopic condition, synoptic condition, and monocular condition, to explore the possible interaction between vection and stereoscopic information. While all participants verbally reported that they experienced more vection with the vection condition, the result showed that the bias was slightly but significantly (F(1,127)=5.0217, p<.027) higher with vection (1.279 m/s) than without vection (1.219 m/s). This means vection did not help on reducing the flow parsing bias. Furthermore, we did not find any significant interaction effect between vection conditions and viewing conditions.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,100
Tête enseignante GPT0,370
Écart entre enseignants0,270 · 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'étudeObservationnel
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

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