Failures in depth magnitude estimation in 3D displays
Notice bibliographique
Résumé
Using naturalistic 3D ‘thicket’ and ‘branch’ stimuli we have shown that experienced observers generate accurate depth magnitude estimates for fused targets viewed in virtual reality (VR). However, we have observed that individuals with little to no experience with 3D displays exhibit striking errors in estimating depth from disparity. We conducted a set of experiments with inexperienced viewers to quantify and better understand their poor performance. Our first study was a replication of our experiment with experienced observers where novice participants viewed low and high complexity stimuli using a VR headset. In the ‘branch’ condition, two branches were presented, one on either side of a central reference branch. The more complex ‘thickets’ were composed of two clusters of overlapping branches centred on a reference branch. We varied the separation between the branches, and within the thickets, from 1.5 to 12 cm by displacing their components equally in front of and behind the fixation point. Sixteen inexperienced observers indicated the overall depth of the structures with a virtual ruler. In another study we evaluated the role of depth averaging by displacing the branches and thickets in a single direction relative to fixation. Unlike our previous results with experienced observers, in both experiments we found that the association between perceived depth and increasing disparity was weak. This, and the fact that all participants could perceive depth from all disparities in this range using a depth-order (near/far) discrimination task argues against an explanation based on depth averaging. We conclude that cue conflicts, particularly related to the contribution of vergence to estimation of viewing distance, interfere with inexperienced participants’ ability to compute depth from disparity. Our working hypothesis is that with extended experience observers learn to disregard such conflicts; how they do this is the focus of ongoing research.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».