Biases in Perceived Object Speed in Depth During Visual Self-Motion
Notice bibliographique
Résumé
During sideways movement, optic flow parsing - in which an object’s speed is extracted from a scene viewed by a moving observer - has been shown to be incomplete, resulting in an overestimation of object speed when target and observer move in opposite directions (Jörges & Harris, 2022, AP&P 84: 25-46). Here we assess the efficiency of optic flow parsing for an object moving in depth while the observer is also moving towards or away from the object. Participants were immersed in a 3D virtual environment and asked to compare the speed of a sphere moving towards or away from them at 2, 3, and 10m/s relative to a ball moving sideways either while they were stationary or during visually simulated self-motion (either forwards or backwards at 6 or 10 m/s) evoking a range of retinal speeds. The speed of the sideways-moving ball was adjusted using an adaptive staircase to match the perceived speed of the sphere. Overall, flow parsing was incomplete. When the observer and sphere moved in opposite directions, the perceived speed of the sphere was greater than when the observer was static. Results were mixed when the observer and the sphere were moving in the same direction. The perceived direction of the sphere’s movement depended on its retinal motion. We conclude that movement-in-depth flow parsing is incomplete. Our results are relevant to perceptual processing in various real-world settings, such as driving or crossing the road.
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 | 0,007 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».