Practice with inverted faces selectively increases the use of horizontal information
Notice bibliographique
Résumé
Perceptual learning improves face recognition, and learning is highly specific and long-lasting (Hussain et al., Psych Sci 2011). Even inverted faces can benefit from learning (Hussain et al., Vis Res 2009). But what changes in our representations of faces with learning? Last year, we demonstrated that the preferential use of horizontal information ("horizontal tuning") is correlated with upright face identification accuracy and the size of the face inversion effect (Pachai et al., VSS 2011). In the current study, we asked whether perceptual learning for faces is associated with an increase in horizontal tuning. Specifically, we tested inverted faces in a 10AFC identification paradigm where stimuli were the average of 10 faces viewed through different filters. Information from the target face alone was visible only within orientation bandwidths ranging from 10 degrees to 180 degrees (full-face) in 10 degree steps, centred around horizontal or vertical. In the first session, observers completed 10 trials in each condition to measure initial horizontal tuning. In the following three sessions, observers completed 300 trials/session of full-face identification. The fifth session was identical to the first. Observers returned 3-5 days later to assess maintenance of learning and transfer of learning to a new face set. As expected, training significantly improved inverted full-face identification. Critically, training also improved accuracy for faces with narrow-band filters centred on horizontal, but not vertical, suggesting an increase in horizontal tuning. Tuning was maintained in the follow-up session, but did not transfer to novel faces. These results suggest that perceptual learning improves horizontal tuning for trained face stimuli while improving overall identification accuracy, further implicating the importance of horizontal information for accurate face identification regardless of picture-plane orientation, and suggesting that the relatively high efficiency of processing horizontal information for upright faces may be a result of learning across the lifespan. Meeting abstract presented at VSS 2012
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».