The contribution of motion detectors during multiple-object tracking
Notice bibliographique
Résumé
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 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 | 0,003 |
| 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) | 0,001 | 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 ».