Hemifield-Specific Motion Extrapolation Reveals Limits of Interhemispheric Integration
Notice bibliographique
Résumé
The accurate perception of moving objects is a fundamental challenge for the visual system, which must compensate for neural processing delays. Motion extrapolation is a proposed mechanism whereby the brain predicts an object's future position. We investigated how an object's motion history shapes its perceived position using the flash-jump illusion in humans of either sex, in which a brief color change in a moving bar is mislocalized as further along the direction of motion. Across two experiments, we found that longer preceding motion sequences improved localization accuracy, consistent with motion adaptation. This effect occurred regardless of whether motion continued after the flash. Notably, mislocalization transiently reappeared as the object crossed the vertical midline, suggesting that motion adaptation and motion extrapolation operate independently between within each hemifield. Manipulating the length of the sequence in each hemifield in Experiment 2 confirmed that this adaptation is spatially confined to each hemifield, with limited interhemispheric transfer. The results align with a Bayesian framework in which the brain integrates signals from both hemispheres, with midline crossings triggering a shift from adapted to unadapted neural populations. We identify motion extrapolation, supported by hemifield-specific adaptation in area MT and integration in area MST, as the putative mechanism behind these midline discontinuities. This work reframes smooth pursuit not just as a tracking behavior but as a solution to overcome limitations of interhemispheric motion processing.
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 ».