MétaCan
Menu
Retour à la cohorte
Enregistrement W4412439384 · doi:10.1167/jov.25.9.2428

The contribution of motion detectors during multiple-object tracking

2025· article· en· W4412439384 sur OpenAlexaff
Maryam Rezaei, Rémy Allard

Notice bibliographique

RevueJournal of Vision · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueVideo Surveillance and Tracking Methods
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésTracking (education)Computer visionDetectorMotion (physics)Artificial intelligenceObject (grammar)Computer sciencePhysicsOpticsPsychology

Résumé

récupéré en direct d'OpenAlex

Motion perception, an essential skill for human beings, relies on two motion processing systems: a low-level system mediated by early direction-selective neurons known as motion detectors, and a high-level system that attentively tracks the position of objects. The current study aimed to investigate the contribution of motion detectors during multiple-object tracking through two experimental manipulations: reverse-phi and stroboscopic motion. By reversing the contrast polarity at each object displacement, reverse-phi inverses the direction response of motion detectors. By introducing a temporal gap between each displacement (i.e., object disappears briefly before reappearing at a new position), stroboscopic motion can weaken the contribution of motion detectors. Five young participants were asked to track and identify four balls among eight identical ones bouncing around within a virtual three-dimensional cube. The maximum speed threshold at which the 4 target balls were successfully tracked were determined under fourteen conditions: 2 contrast polarities (i.e., reversed or not) X 7 temporal gaps (i.e., 0, 17, 33, 50, 67, 83, or 100 msec). A significant interaction between contrast polarity and temporal gap on maximum speed threshold was found (F(6, 24)=9.194, p<.001). Post hoc analyses revealed that with temporal gaps of 0 and 17 msec, the maximum speed threshold was significantly lower when the contrast polarity of the balls was reversed compared to when it was not (p<.05). With longer temporal gaps, however, no significant difference was observed between the two contrast polarity conditions. The results suggest that motion detectors considerably contribute to multiple-object tracking when the temporal gaps between object displacements are short (<33 msec). But for longer temporal gaps, no considerable contribution of motion detectors was observed suggesting that multiple-object tracking relied mainly on the higher-level, attention-based motion processing system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,748
Score d'incertitude au seuil0,174

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,310
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetVideo Surveillance and Tracking MethodsTravaux en français237 207