Failures of depth magnitude estimation in virtual but not physical stimuli
Notice bibliographique
Résumé
When asked to estimate depth magnitude in naturalistic, cluttered stimuli observers lacking experience with virtual reality (VR) exhibit little to no scaling of depth with binocular disparity. Here, we asked whether this failure reflects a general inability to generate metric depth estimates for these types of stimuli or if it is related to cue conflicts that limit the use of vergence to estimate viewing distance in VR. To this end, we rendered low (‘branch’) and high (‘thicket’) complexity stimuli in VR and 3D printed exact physical replicas. In the branch condition, two branches were presented on either side of a central reference branch. The thicket condition consisted of two mirrored clusters of overlapping branches centred around the reference. The total disparity ranged from 0.33 to 2.10 degrees. Separate groups of novice observers estimated the 3D volume of branches (N=28) or thickets (N=25) using a virtual ruler. Both types of stimuli were tested in VR and physically; the physical stimuli were tested monocularly and binocularly. Our VR results replicated previous outcomes: novice observers showed limited depth scaling irrespective of complexity. Their binocular functions were relatively flat and similar to those obtained monocularly. Very different results were obtained using physical stimuli depth, for which estimates scaled well with disparity. These results support our hypothesis that novice observers’ poor depth scaling is due to unreliable distance information in VR, which is needed to scale binocular disparity. Importantly, experienced observers show reasonable depth scaling for virtual stimuli, suggesting that they are able to ignore cue conflicts. These findings have important implications, both for cue integration studies, which typically involve experienced observers, and for the use of VR in studies of depth 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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| 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 | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».