Different spatial frequency tuning for face identification and facial expression recognition in adults
Notice bibliographique
Résumé
Facial identity and facial expression represent invariant and changeable aspects of faces, respectively. The current study investigated how human observers (n=5) use spatial frequency information to recognize identity versus expression. We measured contrast thresholds for the identification of faces with varying expression and for the recognition of facial expressions across varying identity as a function of the center spatial frequency of narrow-band additive spatial noise. At a viewing distance of 60 cm, the peak threshold representing maximum sensitivity was at 11 cycles/face width for identifying the faces of two males or two females with varying expression. The peak threshold was significantly higher for recognizing facial expressions across varying identity: it was at 16 cycles/face width for discriminating between happiness and sadness, and between fear and anger, whether the expression was high or low in intensity. In a second phase we investigated the effect of viewing distance. As viewing distance increased from 60 to 120 and 180 cm, the peak threshold for identifying faces shifted gradually from 11 to 8 cycle/face width, while the peak threshold for recognizing facial expressions shifted gradually from 16 to 11 cycles/face width. The patterns from human observers were different from an ideal observer using all available information, which behaved similarly in recognizing identity and expression. In conclusion, we found, regardless of viewing distance, the optimal spatial frequency band for the recognition of facial expressions is higher than that for the identification of faces. The patterns suggest that finer details are necessary for recognizing facial expressions than for identifying faces and that the system is only partially scale invariant.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».