Decoding Contextual Effects in Vision: A Cross-Species Behavioral Approach
Notice bibliographique
Résumé
The significance of context in visual perception is undeniable. Our understanding of the natural world is shaped not just by the foveated visual objects but also by the surrounding scene and prior experiences. While the influence of context on vision has been demonstrated psychophysically, the underlying mechanisms integrating objects and surrounding information during scene comprehension are not fully understood. Studies have extensively examined "low-level" contextual effects, such as extra-classical receptive fields and surround suppression, yet gaps remain in comprehending how context affects "higher-level" visual recognition tasks. To elucidate these neural processes, a detailed examination of the neural networks involved is essential. Rhesus macaques, with their visual processing circuits akin to humans, present an ideal model for this purpose. In our study, we assessed the behavior of 90 human participants via Amazon Mechanical Turk in a binary match to sample object discrimination task, using images with varied contexts (full, incongruent, no context, etc.). The results revealed a significant alteration in human performance due to contextual changes, exhibiting a consistent behavioral pattern across context categories (trial-split reliability of ~0.8). This finding was crucial for comparison with macaques. After training monkeys (n=2) to achieve ≥80% accuracy in object categorization with full-context images, we exposed them to the same contextually manipulated images. The behavioral variance shared between humans and monkeys was significant (~31%), and not attributable to low-level image factors such as object size or contrast. Interestingly, naive macaque inferior temporal (IT) neural responses did not fully account for the observed human-monkey shared variance (13% of image-level explained shared variance), suggesting that the effects are likely driven more by learning processes and feedback mechanisms than by innate IT response statistics. This research paves the way for future investigations into the neural mechanisms of contextual modulation in primate 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».