Biases in predictions of dynamic natural scenes: contributions of motion and scene content on the accuracy and precision of prediction
Notice bibliographique
Résumé
Prediction is a fundamental part of navigating our visual world. Although there is prior evidence of prediction in memory representations of dynamic natural scenes (representational momentum), there is relatively little empirical data on an explicit prediction task in this context. Our study investigates the extent to which drivers can accurately predict non-hazardous, everyday road scenes. To this end, we created a novel stimulus set of 3D videos of real road scenes, which we plan to make publicly available, recorded using a stereoscopic dashcam setup during urban and highway driving. On each trial, we showed observers a 2s preview (video or still image) of a road scene and asked them to select the image that best represents what they think the scene will look like 2s after the end of the preview in a 5AFC task. The alternatives were frames sampled from the video at 1s intervals and always included the correct (+2s) frame. We also manipulated the presence of stereoscopic depth information using a 3D display. In a sample of 48 licensed drivers who each performed 420 trials, we found that predictions were on average 0.29s farther in time than ground truth, and such bias towards the future was larger for video compared to still image previews. Prediction proportion correct was higher for video compared to still previews and for urban roads compared to highways, suggesting an important role for motion information and environmental density in prediction. Moreover, these effects were mainly driven by increased prediction precision with relatively small changes in the magnitude of future bias. Stereoscopic depth information had negligible effects on prediction performance. Our findings suggest that drivers can make predictions about road scenes, and these predictions are subject to biases similar to those affecting memory representations.
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 | 0,003 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».