Добірка наукової літератури з теми "Visual regularities"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Ознайомтеся зі списками актуальних статей, книг, дисертацій, тез та інших наукових джерел на тему "Visual regularities".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Статті в журналах з теми "Visual regularities"
Besle, Julien, Zahra Hussain, Marie-Hélène Giard, and Olivier Bertrand. "The Representation of Audiovisual Regularities in the Human Brain." Journal of Cognitive Neuroscience 25, no. 3 (March 2013): 365–73. http://dx.doi.org/10.1162/jocn_a_00334.
Повний текст джерелаvan der Helm, Peter A., and Emanuel L. J. Leeuwenberg. "Goodness of visual regularities: A nontransformational approach." Psychological Review 103, no. 3 (1996): 429–56. http://dx.doi.org/10.1037/0033-295x.103.3.429.
Повний текст джерелаKimura, Motohiro, Erich Schröger, István Czigler, and Hideki Ohira. "Human Visual System Automatically Encodes Sequential Regularities of Discrete Events." Journal of Cognitive Neuroscience 22, no. 6 (June 2010): 1124–39. http://dx.doi.org/10.1162/jocn.2009.21299.
Повний текст джерелаYu, Ru Qi, and Jiaying Zhao. "How do regularities bias attention to visual targets?" Journal of Vision 19, no. 10 (September 6, 2019): 26c. http://dx.doi.org/10.1167/19.10.26c.
Повний текст джерелаBall, Felix, Inga Spuerck, and Toemme Noesselt. "Minimal interplay between explicit knowledge, dynamics of learning and temporal expectations in different, complex uni- and multisensory contexts." Attention, Perception, & Psychophysics 83, no. 6 (May 11, 2021): 2551–73. http://dx.doi.org/10.3758/s13414-021-02313-1.
Повний текст джерелаStorrs, Katherine R., and Roland W. Fleming. "Learning About the World by Learning About Images." Current Directions in Psychological Science 30, no. 2 (March 17, 2021): 120–28. http://dx.doi.org/10.1177/0963721421990334.
Повний текст джерелаParkinson, Jean, James Mackay, and Murielle Demecheleer. "Putting yourself into your work: expression of visual meaning in student technical writing." Visual Communication 19, no. 2 (July 2, 2018): 281–306. http://dx.doi.org/10.1177/1470357218784323.
Повний текст джерелаBettoni, Roberta, Hermann Bulf, Shannon Brady, and Scott P. Johnson. "Infants’ learning of non‐adjacent regularities from visual sequences." Infancy 26, no. 2 (January 13, 2021): 319–26. http://dx.doi.org/10.1111/infa.12384.
Повний текст джерелаLelonkiewicz, Jarosław R., Maria Ktori, and Davide Crepaldi. "Morphemes as letter chunks: Discovering affixes through visual regularities." Journal of Memory and Language 115 (December 2020): 104152. http://dx.doi.org/10.1016/j.jml.2020.104152.
Повний текст джерелаKimura, Motohiro, Andreas Widmann, and Erich Schröger. "Human visual system automatically represents large-scale sequential regularities." Brain Research 1317 (March 2010): 165–79. http://dx.doi.org/10.1016/j.brainres.2009.12.076.
Повний текст джерелаДисертації з теми "Visual regularities"
Santolin, Chiara. "Learning Regularities from the Visual World." Doctoral thesis, Università degli studi di Padova, 2016. http://hdl.handle.net/11577/3424417.
Повний текст джерелаIl mondo sensoriale è composto da un insieme di regolarità. Sequenze di sillabe e note musicali, oggetti disposti nell’ambiente visivo e sequenze di eventi sono solo alcune delle tipologie di pattern caratterizzanti l’input sensoriale. La capacità di rilevare queste regolarità risulta fondamentale per l’acquisizione di alcune proprietà del linguaggio naturale (ad esempio, la sintassi), l’apprendimento di sequenze di azioni (ad esempio, il linguaggio dei segni), la discriminazione di eventi ambientali complessi come pure la pianificazione del comportamento. Infatti, rilevare regolarità da una molteplicità di eventi permette di anticipare e pianificare azioni future, aspetti cruciali di adattamento all’ambiente. Questo meccanismo di apprendimento, riportato in letteratura con il nome di statistical learning, consiste nella rilevazione di distribuzioni di probabilità da input sensoriali ovvero, relazioni di dipendenza tra i suoi diversi componenti (ad esempio, X predice Y). Come illustrato nell capitolo introduttivo della presente ricerca, nonostante si tratti di uno dei meccanismi responsabili dell’apprendimento del linguaggio naturale umano, lo statistical learning non sembra essersi evoluto in modo specifico per servire questa funzione. Tale meccanismo rappresenta un processo cognitivo generale che si manifesta in diversi domini sensoriali (acustico, visivo, tattile), modalità (temporale oppure spaziale-statico) e specie (umana e non-umane). La rilevazione di pattern gioca quindi un ruolo fondamentale nell’elaborazione dell’informazione sensoriale, necessaria ad una corretta rappresentazione dell’ambiente. Una volta apprese le regolarità e le strutture presenti nell’ambiente, gli organismi viventi devono saper generalizzare tali strutture a stimoli nuovi da un punto di vista percettivo, ma rappresentanti le stesse regolarità. L’aspetto cruciale della generalizzazione è quindi la capacità di riconoscere una regolarità familiare anche quando implementata da nuovi stimoli. Anche il processo di generalizzazione ricopre un ruolo fondamentale nell’apprendimento della sintassi del linguaggio naturale umano. Ciò nonostante, si tratta di un meccanismo dominio-generale e non specie-specifico. Ciò che non risultava chiaro dalla letteratura era l’ontogenesi di entrambi i meccanismi, specialmente nel dominio visivo. In altre parole, non era chiaro se le abilità di statistical learning e generalizzazione di strutture visive fossero completamente sviluppate alla nascita. Il principale obbiettivo degli esperimenti condotti in questa tesi era quindi quello di approfondire le origini di visual statistical learning e generalizzazione, tramite del pulcino di pollo domestico (Gallus gallus) come modello animale. Appartenendo ad una specie precoce, il pulcino neonato è quasi completamente autonomo per una serie di funzioni comportamentali diventando il candidato ideale per lo studio dell’ontogenesi di diverse abilità percettive e cognitive. La possibilità di essere osservato appena dopo la nascita, e la completa manipolazione dell’ambiente pre- e post- natale (tramite schiusa e allevamento in condizioni controllate), rende il pulcino un’ottimo modello sperimentale per lo studio dell’apprendimento di regolarità. La prima serie di esperimenti illustrati erano allo studio di statistical learning (Chapter 2). Tramite un paradigma sperimentale basato sull’apprendimento per esposizione (imprinting filiale), pulcini neonati naive dal punto di vista visivo, sono stati esposti ad una video-sequenza di elementi visivi arbitrari (forme geometriche). Tale stimolo è definito da una struttura “statistica” basata su transitional (conditional) probabilities che determinano l’ordine di comparsa di ciascun elemento (ad esempio, il quadrato predice la croce con una probabilità del 100%). Al termine della fase di esposizione, i pulcini riuscivano a riconoscere tale sequenza, discriminandola rispetto a sequenze non-familiari che consistevano in una presentazione random degli stessi elementi (ovvero nessun elemento prediceva la comparsa di nessun altro elemento; Experiment 1) oppure in una ricombinazione degli stessi elementi familiari secondo nuovi pattern statistici (ad esempio, il quadrato predice la T con probabilità del 100% ma tale relazione statistica non era mai stata esperita dai pulcini; Experiment 2). In entrambi gli esperimenti i pulcini discriminarono la sequenza familiare da quella non-familiare, dimostrandosi in grado di riconoscere il struttura statistica alla quale erano stati esposti durante la fase d’imprinting. Uno degli aspetti più affascinanti di questo risultato è che il processo di apprendimento è non-supervisionato ovvero nessun rinforzo era stato dato ai pulcini durante la fase di esposizione. Successivamente, sono stati condotti altri due esperimenti (Experiments 3 and 4) con l’obbiettivo di verificare se i pulcini fossero in grado di apprendere regolarità più complesse di quelle testate in precedenza. In particolare, il compito che dovevano svolgere i pulcini consisteva nel differenziare una sequenza familiare strutturata similmente a quella appena descritta e una sequenza non-familiare composta da part-pairs ovvero coppie di figure composte dall’unione dell’ultima figura componente una coppia familiare e la prima figura componente un’altra coppia familiare. Essendo formate dall’unione di elementi appartenenti a coppie familiari, le part-pairs venivano esperite dai pulcini durante la fase di familiarizazzione ma con una probabilità più bassa rispetto alle pairs. La difficoltà del compito risiede quindi nel rilevare una sottile differenza caratterizzante la distribuzione di probabilità dei due stimoli. Sfortunatamente i pulcini non sono stati in grado di discriminare le due sequenze ne quando composte da 8 elementi (Experiment 3) ne da 6 (Experiment 4). L’obbiettivo finale di questi due esperimenti sarebbe stato quello di scoprire il tipo di regolarità appresa dai pulcini. Infatti, negli esperimenti 1 e 2 i pulcini potrebbero aver discriminato sequenze familiari e non familiari sulla base delle frequenze di co-occorrenza delle figure componenti le coppie familiari (ad esempio, co-occorrenza di X e Y) piuttosto che sulle probabilità condizionali (ad esempio, X predice Y). Tuttavia, non avendo superato il test presentato negli esperimenti 3 e 4, la questione riguardante quale tipo di cue statistico viene appreso da questa specie rimane aperta. Possibili spiegazioni e implicazioni teoriche di tale risultato non significativo sono discusse nel capitolo conclusivo. Il secondo gruppo di esperimenti condotti nella presente ricerca riguarda l’indagine del processo di generalizzazione di regolarità visive (Chapter 3). Le regolarità indagate sono rappresentate come stringhe di figure geometriche organizzate spazialmente, i cui elementi sono visibili simultaneamente. Ad esempio, la regolarità definita come AAB viene descritta come una tripletta in cui i primi due elementi sono identici tra loro (AA), seguiti da un’altro elemento diverso dai precedenti (B). I pattern impiegati erano AAB, ABA (Experiment 5) ABB e BAA (Experiment 6) e la procedura sperimentale utilizzata prevedeva addestramento tramite rinforzo alimentare. Una volta imparato a riconoscere il pattern rinforzato (ad esempio, AAB implementato da croce-croce-cerchio) da quello non rinforzato (ad esempio, ABA implementato da croce-cerchio-croce), i pulcini dovevano riconoscere tali strutture rappresentate da nuovi elementi (ad esempio, clessidra-clessidra-freccia vs. clessidra-freccia-clessidra). Gli animali si dimostrarono capaci di generalizzare tutte le regolarità a nuovi esemplari delle stesse. L’aspetto più importante di questi risultati è quanto dimostrato nell’esperimento 6, il cui obbiettivo era quello di indagare le possibili strategie di apprendimento messe in atto dagli animali nello studio precedente. Infatti, considerando il confronto AAB vs. ABA, i pulcini potrebbero aver riconosciuto (e generalizzato) il pattern familiare sulla base della presenza di una ripetizione consecutiva di uno stesso elemento (presente in AAB ma non in ABA, dove lo stesso elemento A è ripetuto e posizionato ai due estremi della tripletta). Nell’esperimento 6 sono state quindi confrontate regolarità caratterizzate da ripetizioni: AAB vs. ABB e AAB vs. BAA. I pulcini si mostrarono comunque in grado di distinguere le nuove regolarità e di generalizzare a nuovi esemplari, suggerendo come tale abilità non sia limitata a un particolare tipo di configurazione. Complessivamente, i risultati ottenuti nella presente ricerca costituiscono la prima evidenza di statistical learning e generalizzazione di regolarità visive in un modello animale osservato appena dopo la nascita. Per quanto riguarda lo statistical learning, i pulcini dimostrano capacità comparabili a quelle osservate in altre specie animali e agli infanti umani ma apparentemente superiori a quelle osservate nel neonato. Ipotesi e implicazioni teoriche di tali differenze sono riportate nel capitolo conclusivo. Per quanto riguarda i processi di generalizzazione, la performance dei pulcini è in linea con quanto dimostrato dai neonati umani nel dominio linguistico. Alla luce di questi risultati, è plausibile pensare che il pulcino si biologicamente predisposto ad rilevare regolarità caratterizzanti il suo ambiente visivo, a partire dai primi momenti di vita.
Kaiser, Daniel. "Inter-object grouping in visual processing: How the brain uses real-world regularities to carve up the environment." Doctoral thesis, Università degli studi di Trento, 2015. https://hdl.handle.net/11572/367999.
Повний текст джерелаYu, Ying. "Visual Appearances of the Metric Shapes of Three-Dimensional Objects: Variation and Constancy." The Ohio State University, 2020. http://rave.ohiolink.edu/etdc/view?acc_num=osu1592254922173432.
Повний текст джерелаZhou, Yi. "Exploiting Structural Regularities and Beyond: Vision-based Localization and Mapping in Man-Made Environments." Phd thesis, 2018. http://hdl.handle.net/1885/155255.
Повний текст джерелаЧастини книг з теми "Visual regularities"
Czigler, István. "4. Representation of regularities in visual stimulation." In Unconscious Memory Representations in Perception, 107–31. Amsterdam: John Benjamins Publishing Company, 2010. http://dx.doi.org/10.1075/aicr.78.06czi.
Повний текст джерелаKrüger, Norbert, Thomas Jäger, and Christian Perwass. "Extraction of Object Representations from Stereo Image Sequences Utilizing Statistical and Deterministic Regularities in Visual Data." In Biologically Motivated Computer Vision, 322–30. Berlin, Heidelberg: Springer Berlin Heidelberg, 2002. http://dx.doi.org/10.1007/3-540-36181-2_32.
Повний текст джерелаHonour Chika, Nwagwu, Ukekwe Emmanuel, Ugwoke Celestine, Ndoumbe Dora, and Okereke George. "Visual Identification of Inconsistency in Pattern." In Pattern Recognition [Working Title]. IntechOpen, 2021. http://dx.doi.org/10.5772/intechopen.95506.
Повний текст джерелаKrüger, Norbert, and Florentin Wörgötter. "Statistical and Deterministic Regularities: Utilization of Motion and Grouping in Biological and Artificial Visual Systems." In Advances in Imaging and Electron Physics, 81–146. Elsevier, 2004. http://dx.doi.org/10.1016/s1076-5670(04)31003-7.
Повний текст джерелаCiaunica, Anna, and Aikaterini Fotopoulou. "The Touched Self: Psychological and Philosophical Perspectives on Proximal Intersubjectivity and the Self." In Embodiment, Enaction, and Culture. The MIT Press, 2017. http://dx.doi.org/10.7551/mitpress/9780262035552.003.0009.
Повний текст джерелаТези доповідей конференцій з теми "Visual regularities"
Li, Xin, Yijia He, Jinlong Lin, and Xiao Liu. "Leveraging Planar Regularities for Point Line Visual-Inertial Odometry." In 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2020. http://dx.doi.org/10.1109/iros45743.2020.9341278.
Повний текст джерелаRosinol, Antoni, Torsten Sattler, Marc Pollefeys, and Luca Carlone. "Incremental Visual-Inertial 3D Mesh Generation with Structural Regularities." In 2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019. http://dx.doi.org/10.1109/icra.2019.8794456.
Повний текст джерелаMyung Hwangbo and Takeo Kanade. "Visual-inertial UAV attitude estimation using urban scene regularities." In 2011 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2011. http://dx.doi.org/10.1109/icra.2011.5979542.
Повний текст джерелаRomberg, Alexa, Yayun Zhang, Benjamin Newman, Jochen Triesch, and Chen Yu. "Global and local statistical regularities control visual attention to object sequences." In 2016 Joint IEEE International Conference on Development and Learning and Epigenetic Robotics (ICDL-EpiRob). IEEE, 2016. http://dx.doi.org/10.1109/devlrn.2016.7846829.
Повний текст джерелаKim, Pyojin, Brian Coltin, and Hyounjin Kim. "Visual Odometry with Drift-Free Rotation Estimation Using Indoor Scene Regularities." In British Machine Vision Conference 2017. British Machine Vision Association, 2017. http://dx.doi.org/10.5244/c.31.62.
Повний текст джерелаHeeger, David J., and Alexander P. Pentland. "Seeing structure through chaos." In OSA Annual Meeting. Washington, D.C.: Optica Publishing Group, 1985. http://dx.doi.org/10.1364/oam.1985.wd5.
Повний текст джерелаO'Doherty, Cliona, and Rhodri Cusack. "Objects or Context? Learning From Temporal Regularities in Continuous Visual Experience With an Infant-inspired DNN." In 2022 Conference on Cognitive Computational Neuroscience. San Francisco, California, USA: Cognitive Computational Neuroscience, 2022. http://dx.doi.org/10.32470/ccn.2022.1093-0.
Повний текст джерелаSargent, Gabriel, Pierre Hanna, Henri Nicolas, and Frederic Bimbot. "Exploring the Complementarity of Audio-Visual Structural Regularities for the Classification of Videos into TV-Program Collections." In 2015 IEEE International Symposium on Multimedia (ISM). IEEE, 2015. http://dx.doi.org/10.1109/ism.2015.133.
Повний текст джерелаBuchsbaum, Gershon. "Optimal coding of spatiochromatic information in the retina." In OSA Annual Meeting. Washington, D.C.: Optica Publishing Group, 1986. http://dx.doi.org/10.1364/oam.1986.tuf2.
Повний текст джерелаKersten, Daniel. "The ideal observer: from images to objects." In OSA Annual Meeting. Washington, D.C.: Optica Publishing Group, 1992. http://dx.doi.org/10.1364/oam.1992.mc2.
Повний текст джерела