Are vividness judgments in mental imagery correlated with perceptual thresholds?
Notice bibliographique
Résumé
Previous work in neuroimaging suggests that exteroceptive visual perception and mental imagery activate similar brain areas within the ventral visual stream (e.g., Horikawa & Kamitani, 2017). However, it is still unclear to what extent vividness judgments and perceptual thresholds are determined by this overlap. We measured perceptual thresholds and mental imagery vividness for a set of 20 images from the Natural Scene Dataset (Allen et al., 2022). In the imagination task, we asked participants to report, for each individual trial, the vividness of their mental image (40 trials per image). In the perceptual threshold ABX task, we asked participants to recognise among two unaltered visual scenes (A and B), a target image (X) embedded in Gaussian noise. The Quest procedure (Watson & Pelli, 1983) was used in order to establish the contrast threshold per image (40 trials per image). Preliminary results (N = 8) indicate no, or very weak, within-subject correlations between the contrast thresholds and the mean vividness scores (mean correlation = -0.072; SD = 0.168; min = -0.240; and max = 0.250). This suggests that most of the variance in perceptual thresholds and vividness judgments of mental images is not determined by the same mechanism. These findings contribute to ongoing modeling and theoretical efforts aimed at deciphering how the brain can generate our rich and vivid mental images.
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 ».