The influence of attention on the recognition of depth-rotated objects and faces
Notice bibliographique
Résumé
Purpose: Stankiewicz et al. (1998) suggested that attention is necessary for encoding view-invariant object representations. We examined this hypothesis using realistic depth-rotated faces and non-face images. Methods: A sequential matching paradigm was employed whereby a face or a chair was presented at learning along with characters in its surround. The learning images were presented in frontal or 3/4 view. In the full-attention condition, observers followed the letters with their eyes while paying attention to the image. In the divided-attention condition, observers had to count the number of characters that were digits. At testing, the target was presented along with two distractors of the same category. The target test image and distractors were either in the same view or a different view than at learning. 40 Ss were tested on 2 blocks, one for each attention condition. Five trials for each testing view (same and different) and object category (face and chair) were presented randomly in each block. Results: Recognition accuracy performance produced a significant three-way interaction between Attention, Stimulus Category, and Testing View. In the full-attention condition, recognition in a different view was not significantly different than recognition in the same view for both faces and chairs. In the divided-attention condition, recognition of faces in a different view was significantly lower than recognition in the same view. However, recognition of chairs was equivalent in same and different views under divided-attention. Conclusions: We postulate that a face representation formed without attention may not contain the necessary information required to produce a match with its rotated equivalent. In contrast, the information used to recognize chairs after a small rotation may be encoded and stored in memory irrespective of attention. Ackowledgements: Supported by operating grants and graduate fellowships from CIHR (Canada) and NSERC (Canada).
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 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».