Testing a Two-Component Model of Face Identification: Effects of Inversion, Contrast Reversal, and Direction of Lighting
Notice bibliographique
Résumé
Enns and Shore (1997 Perception & Psychophysics 59 23-31) found additive effects of test orientation (upright or inverted) and direction of lighting (brow or chin lit) when they studied the inversion effect on face identification. A two-stage model was inferred in which inversion was processed by an orientation-sensitive component after which chin-lighting was processed by a lighting-sensitive component. Face identification is also strongly influenced by contrast reversal. A study is reported which aimed to (i) determine if contrast reversal interacts with lighting direction or orientation, findings that would support Enns and Shore's model; and (ii) to test their assumption that holistic encoding is prerequisite for their model by inducing featural encoding through training names to inverted faces. Names for unfamiliar brow-lit positive-contrast faces were trained with the faces upright or inverted. Identification accuracy was measured with combinations of orientation, lighting, and contrast. Consistent with their model, test orientation and direction of lighting were additive after training on upright faces and lighting and contrast reversal interacted. When holistic encoding was prevented following training on inverted faces, test orientation and lighting direction interacted for positive-contrast faces. Negative faces showed only an effect of direction of lighting. These results support Enns and Shore's two-stage model and their interpretation that orientation and direction of lighting interact following featural encoding of faces.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».