Binocular depth information modulates object-selective activation in high-level visual cortex
Notice bibliographique
Résumé
Despite the fact that we know a great deal about the processing of binocular disparity for synthetic stimuli (such as random dot stereograms) in early stages of visual processing (e.g., V1, V2), little is understood about the contribution of stereopsis to the processing of more naturalistic stimuli in later stages of the visual hierarchy. Here we used functional magnetic resonance imaging (fMRI) to investigate how binocular vision contributes to high-level neural processing of visual objects. Participants viewed objects and scrambled objects (along with faces, scenes and bodies, not discussed here) as 2D or stereoscopic 3D images with a high-quality 3D MRI projector and polarized eyewear. High-resolution 3D objects models were used and displayed using the average human interpupillary distance. The objects were re-scaled and rotated to attain a similar disparity range across the set. Blender software was used to segment the objects into similar parts; importantly each fragment preserved its original disparity profile. The parts were then redistributed to create a cloud of fragments. In the 2D condition one of the images of the stereopair was presented to both eyes. Additionally, we ensured that the viewing geometry was consistent with natural viewing of real objects. Our results show stronger activation for 3D stimuli versus 2D stimuli in both the dorsal and ventral visual streams. More surprisingly, 3D viewing decreased object-selectivity (objects – scrambled objects) in shape-selective regions such as LOC and V3A. This modulation in selectivity was due to a greater increase in activation with the addition of stereopsis (3D – 2D) for scrambled than intact objects. Our results suggest the high-level regions that process different visual categories might be differentially sensitive to availability of binocular disparity.
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 | 0,001 |
| 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) | 0,002 | 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 ».