MétaCan
Menu
Retour à la cohorte
Enregistrement W4402904748 · doi:10.1167/jov.24.10.713

Information transfer during goal-directed viewing of everyday scenes

2024· article· en· W4402904748 sur OpenAlexaff
Katarzyna Jurewicz, Buxin Liao, B. Suresh Krishna

Notice bibliographique

RevueJournal of Vision · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésInformation transferComputer sciencePsychologyCognitive psychologyHuman–computer interactionTelecommunications

Résumé

récupéré en direct d'OpenAlex

One of the fundamental issues in visual perception is how and how much visual information is transferred across fixations. Here, we examine how humans actively scan the visual environment when performing goal-directed visual search on photographs of complex everyday scenes. We analyze data from two open datasets of eye-movements made by participants performing either category-search with 18 target categories (COCO-Search18) or free-viewing (COCO-FreeView) on over 4000 unique naturalistic images from the MS-COCO dataset. We focus specifically on the evidence for information transfer across saccades as revealed by saccades made after short inter-saccadic intervals (< 125 ms, short-latency saccades). When the target is present in the scene, participants (n = 10) fixate it after predominantly one saccade (45% of trials) or two saccades (36% of trials). Short-latency second saccades occur frequently (45% of second saccades on average) in goal-directed visual search. These saccades foveate the search target more often than saccades executed after longer intersaccadic intervals (regular-latency saccades). Short-latency second saccades are not small-amplitude corrective saccades: they are both more common and more likely to foveate the target when they follow first saccades that end further away from the target. Further, they are much more frequent during goal-directed visual search with the search target present than when the search target is absent or during free-viewing: active searching, and the top-down salience of the search-target contribute to increasing the frequency of short-latency saccades. The results show that human searchers use a satisficing strategy when actively searching complex everyday scenes for a categorically defined target. Short-latency saccades and information transfer across saccades work towards ensuring that the cost of making additional saccades to distractor stimuli is minimal; this would not be the case if perception began anew at each fixation. Information integration and transfer across saccades plays a prominent role during naturalistic vision.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,803
Score d'incertitude au seuil0,181

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,296
Écart entre enseignants0,283 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetData Visualization and AnalyticsTravaux en français237 207