Measuring the flexibility of orientation selectivity in face processing by varying task demands
Notice bibliographique
Résumé
Observers preferentially process information conveyed by the horizontal orientation band when identifying faces (Dakin and Watt, J Vis 2009; Goffaux and Dakin, Front Psychol 2010). However, ideal observer analysis reveals that such horizontal selectivity is optimal in face identification tasks (Pachai et al, Front Psychol 2013). Therefore, it remains unclear whether horizontal selectivity results from a flexible system tuned to the most diagnostic band for a given task, or a general bias present during all face-related tasks. To disambiguate these hypotheses, we asked observers to perform two face-related tasks for which the diagnostic orientation band differed. On each trial, one of six identities was presented with the head turned slightly to the left or right. Observers were asked on different trials, either blocked or intermixed, to judge the stimulus identity or viewpoint direction. Stimuli were masked with high-contrast orientation-filtered noise (horizontal or vertical, bandwidth = 90 deg) and a low-contrast white noise to enable ideal observer analysis. The dependent measure was the d’=1 RMS contrast threshold, which should be elevated from baseline proportionally to the weight placed by the observer on the masked orientation band during the task in question. A simulated ideal observer confirmed the differential diagnosticity of orientation bands in the two tasks: more masking produced by horizontal noise in the face identification task, and more masking produced by vertical noise in the viewpoint direction task. However, human observers exhibited more masking from horizontal noise in both the identity and direction tasks, regardless of whether these tasks were blocked or intermixed. This result demonstrates an inability to preferentially process vertical facial structure even when it is optimal for the task at hand, and suggests that horizontal selectivity may represent a general face processing strategy. Meeting abstract presented at VSS 2015
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».