MétaCan
Menu
Retour à la cohorte
Enregistrement W4412459143 · doi:10.1167/jov.25.9.2165

The Effect of Feature Changes on Multiple Object Tracking

2025· article· en· W4412459143 sur OpenAlexaff
Rachel A. Eng, Lana M. Trick

Notice bibliographique

RevueJournal of Vision · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueVideo Surveillance and Tracking Methods
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésFeature (linguistics)Object (grammar)Tracking (education)Video trackingComputer scienceArtificial intelligenceComputer visionFeature trackingPattern recognition (psychology)PsychologyPhilosophyLinguistics

Résumé

récupéré en direct d'OpenAlex

Multiple object tracking (MOT: Pylyshyn & Storm, 1988) is the ability to monitor the positions of a subset of identical items (targets) among identical non-target items (distractors). This ability is believed to be required for everyday activities such as keeping track of children in a crowd or driving a vehicle. However, most real-world situations involve items that differ in surface features (e.g., colour and shape). Our previous research investigated the effect of target similarity and item uniqueness by using displays of 16 items that varied on two feature dimensions: colour (red, blue, green, yellow) and shape (circle, triangle, square, cross), such that each item was a unique combination. Every trial had four targets and 12 distractors. Targets could have the same colour or shape (Colour-share and Shape-share conditions, respectively), or no common features (e.g., the No Share condition: e.g., red circle, blue triangle, green square, yellow cross). We found that performance was significantly better when targets shared a colour or shape than when they did not (target similarity effect), though even performance in the No-share condition was superior to that when items were identical (the uniqueness benefit). To determine whether these two effects were stable across featural change, we compared performance in the four conditions when the items retained their colours and shapes to when they adopted novel colours and shapes during item motion, manipulating whether the items preserved feature grouping (e.g., all red items become purple) or disrupted it (e.g., red items become purple, pink, aqua, brown). In the Colour and Shape Share conditions, performance was significantly impaired when the change disrupted the grouping but not when grouping was preserved. In contrast, colour and shape changes did not affect performance in the No-share or Identical item conditions. This suggests the uniqueness benefit and target similarity effects reflect different mechanisms.

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)0,003
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil0,173

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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 ouverte0,0010,000
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 Opus0,013
Tête enseignante GPT0,331
Écart entre enseignants0,318 · 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'étudeAutre devis
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