Allgemeine Psychologie II

Projekt 1: Objektgröße mit und ohne Szeneneinfluss

Von jedem bekannten Objekt haben Personen in der Regel eine bestimmte Größenvorstellung. Im Idealfall sollte diese der distalen (tatsächlichen) Größe eines Objektes entsprechen. Diese Vorstellung basiert auf dem proximalen Reiz, der vom Wahrnehmungssystem genutzt wird, um Rückschlüsse auf z. B. die distale Größe zu ziehen. Da die proximale Größe eines Objektes von dessen Distanz abhängt, wird dies jedoch erschwert. Mittels Tiefenhinweisen ist unser Wahrnehmungssystem in der Lage, Distanzen zu erschließen. Solche Tiefenhinweise werden von verschiedenen Aspekten in Szenen übermittelt. In diesem Projekt soll mittels Online-Rating-Studie untersucht werden, ob die Größenvorstellung von Objekten mit der Größeneinschätzung von Objekten, die in Szenen präsentiert werden, zusammenhängt. Das zu verwendende Set an Szenen beinhaltet eine natürliche Variabilität von Distanzen.

Das Projekt lässt sich auf bis zu zwei Abschlussarbeiten aufteilen.

Literatur

  • Baird, J. C. (1963). Retinal and assumed size cues as determinants of size and distance perception. Journal of Experimental Psychology, 66(2), 155-162. https://doi.org/10.1037/h0046554
  • Haber, R. N. & Levin, C. A. (2001). The independence of size perception and distance perception. Perception & Psychophysics, 63(7), 1140-1152. https://doi.org/10.3758/bf03194530
  • Holway, A. H. & Boring, E. G. (1941). Determinants of apparent visual size with distance variant. The American Journal of Psychology, 54(1), 21. https://doi.org/10.2307/1417790

 

Projekt 2: Natürliche Variabilität in Maßen von Objekt-Szenen-Semantik

In der Wahrnehmungspsychologie werden nicht nur einzelne Objekte als Stimuli verwendet, sondern auch ganze Szenen. Da Szenen deutlich mehr Informationen enthalten, wird hier jedoch die Dateninterpretation erschwert. Die gefundenen Ergebnisse können auf verschiedene Aspekte innerhalb einer Szene zurückgeführt werden. Ein potentiell auf die Verarbeitung von Objekten in Szenen einflussnehmender Aspekt ist deren Position. In unserem täglichen Leben haben wir bestimmte Vorstellungen davon, wo Objekte in einer Szene zu finden sind. Damit ist nicht nur der Ort, z. B. ein Waschbecken an der Wand, sondern auch der allgemeine Kontext gemeint, z. B. ein Waschbecken in einem Badezimmer. In diesem Projekt soll mittels Online-Rating-Studie untersucht werden, ob Objekte in einem bestehenden Set von Szenen diesen Vorstellungen entsprechen.

Das Projekt lässt sich auf bis zu zwei Abschlussarbeiten aufteilen.

Literatur

  • Öhlschläger, S. & Võ, M. L.-H. (2016). SCEGRAM: An image database for semantic and syntactic inconsistencies in scenes. Behavior Research Methods, 49(5), 1780-1791. https://doi.org/10.3758/s13428-016-0820-3
  • Spotorno, S. & Tatler, B. W. (2017). The elephant in the room: Inconsistency in scene viewing and representation. Journal of Experimental Psychology: Human Perception and Performance, 43(10), 1717-1743. https://doi.org/10.1037/xhp0000456

 

Projekt 3: Grenzen der visuellen Auflösung bei der Objektidentifikation

Objekte, die direkt fixiert werden, werden auf der Netzhaut auf den Bereich des schärfsten Sehens (Fovea) projiziert. Mit zunehmendem Abstand zu diesem Bereich nimmt die Sehschärfe kontinuierlich ab. Trotz dieses Sehschärfeabfalls ist es uns möglich, Objekte im extrafovealen Bereich zu lokalisieren und zu identifizieren. In diesem Projekt soll in einer Online-Studie untersucht werden, ab welchem Unschärfegrad man selbst bei direkter Fixierung nicht mehr in der Lage ist, ein Objekt zu identifizieren/lokalisieren. Zusätzlich stellt sich die Frage, ob wir in der Lage sind, anhand des Szenekontexts zu raten, wo sich ein Objekt vermutlich befindet.

Das Projekt lässt sich auf mehrere Abschlussarbeiten aufteilen.

Literatur

 

Project 4: Low-level scene features: human judgements vs. algorithmic predictions

In natural scenes, visual information can be described at a variety of levels, ranging from basic low-level image features to higher level semantic understanding. Low-level image properties comprise individual features (e.g., luminance, edge density) or feature constellations (e.g., clutter, visual salience). Typically, low-level image properties are determined algorithmically. The goal of this project is to collect empirical data on this issue by asking human participants to rate images of naturalistic scenes on these dimensions (one feature and/or feature constellation per project). This allows us to determine how well human behavior and algorithmic predictions coincide.

References

  • Elazary, L., & Itti, L. (2008). Interesting objects are visually salient. Journal of Vision, 8(3), 1-15. https://doi.org/10.1167/8.3.3
  • Nuthmann, A., & Einhäuser, W. (2015). A new approach to modeling the influence of image features on fixation selection in scenes. Annals of the New York Academy of Sciences, 1339(1), 82-96. https://doi.org/10.1111/nyas.12705

 

Betreuerin

M.Sc. Tina Schlachter