Uncovering the core dimensions of visual object representations

Informazioni relative al progetto

COREDIM

ID dell’accordo di sovvenzione: 101039712

DOI

10.3030/101039712

Data della firma CE 7 Giugno 2022

Data di avvio 1 Luglio 2022

Data di completamento 30 Giugno 2027

Finanziato da

• European Research Council (ERC)

Costo totale

€ 1 500 000,00

Contributo UE

€ 1 500 000,00

Coordinato da

JUSTUS-LIEBIG-UNIVERSITAET GIESSEN
Germany

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Pubblicazioni

Other (6)

The scope and limits of fine-grained image and category information in the ventral visual pathway

Autori: Markus W. Badwal, Johanna Bergmann, Johannes Roth, Christian F. Doeller, Martin N. Hebart
Pubblicato in: NO JOURNAL TITLE, 2024
Editore: Cold Spring Harbor Laboratory
DOI: 10.1101/2024.08.04.606507

Dimensions underlying the representational alignment of deep neural networks with humans

Autori: Florian P. Mahner, Lukas Muttenthaler, Umut Güçlü, Martin N. Hebart
Pubblicato in: Arxiv, 2024
Editore: Cold Spring Harbor Library
DOI: 10.48550/arXiv.2406.19087

“Identifying and characterizing scene representations relevant for categorization behavior”

Autori: Johannes J.D. Singer, Agnessa Karapetian, Martin N. Hebart, Radoslaw M. Cichy
Pubblicato in: 2023
Editore: Cold Spring Harbor Laboratory
DOI: 10.1101/2023.08.17.553708

Core dimensions of human material perception

Autori: Filipp Schmidt, Martin N Hebart, Alexandra C. Schmid, Roland Fleming
Pubblicato in: NO JOURNAL TITLE, 2022
Editore: Center for Open Science
DOI: 10.31234/osf.io/jz8ks

A high-throughput approach for the efficient prediction of perceived similarity of natural objects

Autori: Philipp Kaniuth, Florian P. Mahner, Jonas Perkuhn, Martin N. Hebart
Pubblicato in: NO JOURNAL TITLE, 2024
Editore: Cold Spring Harbor Laboratory
DOI: 10.1101/2024.06.28.601184

Dynamic representation of multidimensional object properties in the human brain

Autori: Lina Teichmann, Martin N. Hebart, Chris I. Baker
Pubblicato in: NO JOURNAL TITLE, 2023
Editore: Cold Spring Harbor Laboratory
DOI: 10.1101/2023.09.08.556679

Peer reviewed articles (14)

What comparing deep neural networks can teach us about human vision

Autori: Katja Seeliger, Martin N. Hebart
Pubblicato in: Nature Machine Intelligence, Numero 6, 2024, ISSN 2522-5839
Editore: Nature Springer
DOI: 10.1038/s42256-024-00789-8

How modular are modules in visual cortex?

Autori: Martin N Hebart
Pubblicato in: Brain, Numero 148, 2025, ISSN 0006-8950
Editore: Oxford University Press (OUP)
DOI: 10.1093/BRAIN/AWAF100

Core dimensions of human material perception

Autori: Filipp Schmidt, Martin N. Hebart, Alexandra C. Schmid, Roland W. Fleming
Pubblicato in: Proceedings of the National Academy of Sciences, Numero 122, 2025, ISSN 0027-8424
Editore: Proceedings of the National Academy of Sciences
DOI: 10.1073/PNAS.2417202122

THINGS-data, a multimodal collection of large-scale datasets for investigating object representations in human brain and behavior

Autori: Martin N Hebart, Oliver Contier, Lina Teichmann, Adam H Rockter, Charles Y Zheng, Alexis Kidder, Anna Corriveau, Maryam Vaziri-Pashkam, Chris I Baker
Pubblicato in: eLife, Numero 12, 2023, ISSN 2050-084X
Editore: eLife Sciences Publications, Ltd
DOI: 10.7554/eLife.82580

THINGSplus: New Norms and Metadata for the THINGS Database of 1,854 Object Concepts and 26,107 Natural Object Images

Autori: Laura Mai Stoinski; Jonas Perkuhn; Martin N Hebart
Pubblicato in: Behavior Research Methods, 2023, ISSN 1554-3528
Editore: Springer
DOI: 10.31234/osf.io/exu9f

Dimensions underlying the representational alignment of deep neural networks with humans

Autori: Florian P. Mahner, Lukas Muttenthaler, Umut Güçlü, Martin N. Hebart
Pubblicato in: Nature Machine Intelligence, Numero 7, 2025, ISSN 2522-5839
Editore: Nature Springer
DOI: 10.1038/S42256-025-01041-7

Ten principles for reliable, efficient, and adaptable coding in psychology and cognitive neuroscience

Autori: Johannes Roth; Yunyan Duan; Florian P. Mahner; Philipp Kaniuth; Thomas S. A. Wallis; Martin N. Hebart
Pubblicato in: Communications Psychology, 2025, ISSN 2731-9121
Editore: Nature Springer
DOI: 10.1038/S44271-025-00236-3

The Spatiotemporal Neural Dynamics of Object Recognition for Natural Images and Line Drawings

Autori: Johannes J.D. Singer; Radoslaw M. Cichy; Martin N. Hebart
Pubblicato in: The Journal of Neuroscience, 2022, ISSN 1529-2401
Editore: Society for Neuroscience
DOI: 10.1101/2022.08.12.503484

The features underlying the memorability of objects

Autori: Max A. Kramer, Martin N. Hebart, Chris I. Baker, Wilma A. Bainbridge
Pubblicato in: Science Advances, Numero 9, 2024, ISSN 2375-2548
Editore: American Association for the Advancement of Science (AAAS)
DOI: 10.1126/sciadv.add2981

Distributed representations of behavior-derived object dimensions in the human visual system

Autori: Oliver Contier; Chris I. Baker; Martin N. Hebart
Pubblicato in: Nature Human Behaviour, 2023, ISSN 2397-3374
Editore: Nature Springer
DOI: 10.1038/S41562-024-01980-Y

The Scope and Limits of Fine-Grained Image and Category Information in the Ventral Visual Pathway

Autori: Markus W. Badwal, Johanna Bergmann, Johannes H.R. Roth, Christian F. Doeller, Martin N. Hebart
Pubblicato in: The Journal of Neuroscience, Numero 45, 2025, ISSN 0270-6474
Editore: Society for Neuroscience
DOI: 10.1523/JNEUROSCI.0936-24.2024

Identifying and characterizing scene representations relevant for categorization behavior

Autori: Johannes J.D. Singer, Agnessa Karapetian, Martin N. Hebart, Radoslaw M. Cichy
Pubblicato in: Imaging Neuroscience, Numero 3, 2025, ISSN 2837-6056
Editore: MIT Press
DOI: 10.1162/IMAG_A_00449

Distributed representations of behaviour-derived object dimensions in the human visual system

Autori: Oliver Contier, Chris I. Baker, Martin N. Hebart
Pubblicato in: Nature Human Behaviour, 2024, ISSN 2397-3374
Editore: Springer Science and Business Media LLC
DOI: 10.1038/s41562-024-01980-y

A high-throughput approach for the efficient prediction of perceived similarity of natural objects

Autori: Philipp Kaniuth; Florian P. Mahner; Jonas Perkuhn; Martin N. Hebart
Pubblicato in: eLife, 2025, ISSN 2050-084X
Editore: eLife Sciences Publications
DOI: 10.1101/2024.06.28.601184