Eye Movement Patterns Suggest Different Facial Features are Most Informative at Different Spatial Frequencies
Notice bibliographique
Résumé
While many studies have shown that a middle band of spatial frequencies (SF) is most useful for face recognition, others have pointed out that the most informative SF ranges vary depending on location on the face. In two experiments, we examined variations in the utility of different SFs across the face by measuring eye movements during an old/new recognition task using spatially filtered faces. Eye movements were recorded using the Eyelink II (SR-Research.com). In Experiment 1, we measured 32 subjects' eye movements during the learning phase of the old/new task; In Experiment 2 we examined 15 subjects' eye movements during the retrieval phase of the same task. Stimuli were 32 faces filtered to preserve 11 SF bands across the spectrum (bandwidth 2 octaves), plus an unfiltered baseline condition. Twelve areas of interest (AOIs) were defined for each face, and total fixation time was analyzed across AOI and SF. Results show that low SFs elicited more fixations on medial AOIs such as nose, forehead and chin. This may indicate a tendency towards holistic processing, whereby fixation on these features represents an attempt to take in the entire face. In contrast, high SFs elicited more fixations on inner features, such as eyes and mouth, suggesting greater featural processing. Analysis of gaze transitions across AOIs show that fixation patterns vary across SF. Specifically, subjects transition more between the inner features, and exhibit more transitions in general, when examining high SF faces. When looking at low SF faces, transitions tend to be few, and to stay within medial features such as nose, nasion and forehead. Our results are compatible with previous work suggesting that the useful SFs vary by face part. We also find evidence suggesting that low and high SFs respectively support holistic and featural processing. Meeting abstract presented at VSS 2013
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 | 0,001 | 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) | 0,002 | 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 ».