Increasing motion parallax gain compresses space and 3D object shape
Notice bibliographique
Résumé
When moving about the world, humans rely on visual, proprioceptive and vestibular cues to perceive depth and distance. Normally, these sources of information are consistent. However, what happens if we receive conflicting information about how far we have moved? A previous study reported that at distances of 1.3 to 1.5 m, portrayed binocular 3D shape was not affected by motion gain; however, apparent distance and monocular depth settings were influenced. In our study, we extended the range of distances to 1.5 to 6 m. A VR headset was used to display gain distortions binocularly and monocularly to one eye. Observers swayed from side to side through 20 cm at 0.5 Hz to the beat of a metronome. The simulated virtual motion was varied by a gain of 0.5 to 2.0 times the physical motion. Observers first adjusted a vertical fold until its sides appeared to form a 90-degree angle. The fold then disappeared and they indicated its remembered distance by adjusting the position of a virtual pole. In the monocular condition as gain increased, observers provided increasingly compressed fold depth settings at 1.5 and 3 but not at 6 m. Under binocular viewing, increasing gain compressed distance but not object shape settings. To ensure that the weak binocular effects were not due to failure to perceive the gain, we separately assessed gain discrimination thresholds using the fold stimulus. We found that observers were sensitive to the manipulation over this range and tended to perceive a gain of 1.1 as having no motion distortion under both viewing conditions. It is clear from our data that monocular viewing of kinesthetic/visual mismatch results in significant variations in portrayed depth of the fold. These effects can be somewhat mitigated by increasing viewing distance, but even more so by viewing with both eyes.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».