Cross-modal Synchrony Between Music and Visual Motion Modulates Vection, Urge to Move, and Comfort in VR
Notice bibliographique
Résumé
Sensorimotor entrainment, the spontaneous alignment of movement with external rhythms, plays a key role in how we experience music and motion. In this study, we introduce a novel method combining musical stimuli, vection, and visually induced motion sickness (VIMS) in virtual reality (VR) to investigate how cross-modal rhythmic stimulation shapes self-motion perception and comfort.In a within‐subjects design with 30 participants, we manipulated auditory conditions (Music versus Silence) and VR conditions (Realistic, Static, Isochronous, and Non-isochronous) during eight‐second trials. Participants rated their urge to move, perceived self‐motion, and comfort. Additionally, head motion data were analyzed for movement quantity, variability, spectral power, and intertrial phase coherence at the musical beat frequency. Results showed that music significantly increased the urge to move, particularly when paired with rhythmic visual motion. Both Isochronous and Non-isochronous visual motion reliably induced vection with no additional effect of musical beat alignment on illusion strength. Crucially, music reduced discomfort induced by rhythmic visual motion by over 20%, an effect that may have been further amplified by cross-modal synchrony.By leveraging sensorimotor entrainment elicited by music and rhythmic visual motion, this study provides new insights into how cross-modal rhythms shape perceptual and affective responses. By highlighting the potential of music to enhance engagement and reduce motion sickness, our findings pave the way for more immersive, comfortable, and musically enriched virtual experiences.
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 | 0,001 |
| 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 ».