Information transfer during goal-directed viewing of everyday scenes
Notice bibliographique
Résumé
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 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 | 0,005 |
| 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) | 0,001 | 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 ».