How much visual field loss can you tolerate on the road? Impact of central and peripheral scotomas on road hazard localization
Notice bibliographique
Résumé
Our ability to perceive the gist of a scene in a glance is well-established for static (Greene & Oliva, 2009) and dynamic scenes (Wolfe et al. 2019). Strong views of the Useful Field or Functional Visual Field argue that dynamic scene tasks require central vision whereas peripheral vision is less useful. However, little empirical evidence speaks to this claim. Here, we examined the extent to which observers could tolerate foveal and peripheral visual field loss in a road hazard localization task. Eight licensed drivers viewed 2s excerpts of 270 dashcam videos from Road Hazard Stimuli (Song et al. 2024; videos subtended 39 x 22 DVA). 66% of videos contained hazards, defined as situations which require immediate driver response to avoid a collision. Hazards occurred in the left or right of frame in equal proportion. The remaining 33% of videos contained no hazards. Participants indicated whether a hazard was on the left, on the right or absent. Using a gaze-contingent display, we simulated central and peripheral scotomas in two separate blocks. Central scotomas were simulated by removing a circular window at the gaze location, leaving the rest of the video visible. Peripheral scotomas only displayed the video inside a circular window at the gaze location. To determine the threshold scotoma size at 80% localization performance, the diameter of the circular window was controlled with a trialwise 3-up-1-down staircase. In the central scotoma condition, participants tolerated a 6.80 DVA central scotoma. In the peripheral scotoma condition, participants required an 8.34 DVA visible window. Our results suggest that detecting immediate hazards in road scenes is highly resistant to visual field loss. Moreover, central and peripheral vision both support this task, suggesting a more complex account of peripheral vision use in dynamic scene perception.
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 | 0,000 | 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) | 0,003 | 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 ».