From Curvature to Contour: Hierarchical Representations of Contour Shapes in Terms of Constant Curvature Segments
Notice bibliographique
Résumé
Introduction: We can discriminate a stunning variety of shapes. How does the visual system encode these different shapes? We investigated the hypothesis that the visual system forms hierarchically structured representations of contour shapes, based on primitives that represent segments of constant curvature (CC). This hypothesis implies that (i) in representing a contour, encoding of CC segments is obligatory; (ii) variation in CC segments will induce perceptible differences between contours; and (iii) CC segments can be organized perceptually into higher-order parts. Experiments: In Experiment 1, we displayed contours made from two curvatures and two colors. The transition point for color was near to, but offset from, the transition point for curvature. We then presented the contour again, sometimes shifting the color transition point. When asked whether the coloring was different, participants were much less sensitive to shifts that aligned the color transition with the task-irrelevant curvature transition than to equivalent shifts that increased misalignment. In Experiment 2, we compared participants’ ability to discriminate between a contour fragment made of multiple curvatures and one made of one curvature. Sensitivity was considerably higher when multi-curvature contours were predicted to be represented with multiple CC segments than with a single CC segment. In Experiment 3, we tested a hypothesis that CC segments with the same curvature polarity are represented as higher-order “parts” of a contour. Following Palmer (1977), we tested participants’ ability to say whether a contour fragment was part of a shape. Participants were significantly faster when the fragment was from a polarity-matched contour region. Performance using polarity-matched fragments was comparable to performance using segments between curvature minima. Conclusion: These experiments suggest that CC segments are obligatorily encoded in contour representation (Exp.1), that contour discrimination depends on encoded CC segments (Exp.2), and that CC segments organize together into higher-order units (Exp.3).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».