Task-dependent contribution to edge-based versus region-based texture perception
Notice bibliographique
Résumé
Texture segregation studies indicate that some types of textures are processed by edge-based and others by region-based mechanisms. However, studies employing nominally edge-based textures have found evidence for region-based processing mechanisms when the task was to detect rather than segregate the textures. Here we investigate directly whether the nature of the task determines if region-based or edge-based mechanisms are involved in texture perception. Stimuli consisted of randomly positioned Gabor micropattern texture arrays with five types of modulation: orientation modulation, orientation variance modulation, luminance modulation, contrast modulation and contrast variance modulation (CVM). There were four modulation frequencies: 0.1, 0.2, 0.4 and 0.8 cpd. Each modulation type was defined by three types of waveforms: sinewave (SN) with its smooth variations, square-wave (SQ) and cusp-wave (CS) with its sharp texture edges. The CS waveform was constructed by removing a sinewave from an equal amplitude square-wave. Participants performed two tasks: detection in which participants selected which of two stimuli contained the modulation and discrimination in which participants indicated which of two textures had a different modulation orientation. Our results indicate that threshold amplitudes in the detection task followed the ordering SQ < SN < CS across all spatial frequencies, consistent with detection being mediated by the overall energy in the stimulus and hence region based. With the discrimination task at low texture spatial frequencies and with CVM textures at all spatial frequencies the order was CS ≤ SQ with both < SN, consistent with being edge-based. We modeled the data by estimating the spatial frequency of a Difference of Gaussian filter that gave the largest peak amplitude response to the data. We found that the peak amplitude was lower for detection than discrimination across all texture types except for the CVM texture. We conclude that task requirements are critical to whether edges or regions underpin texture processing.
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 | 0,001 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».