MétaCan
Menu
Retour à la cohorte
Enregistrement W2032488193 · doi:10.1167/10.7.531

Visual information extraction for static and dynamic facial expression of emotions: an eye-tracking experiment

2010· article· en· W2032488193 sur OpenAlexaff
C. Roy, Caroline Blais, Daniel Fiset, F. Gosselin

Notice bibliographique

RevueJournal of Vision · 2010
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésDisgustSadnessFacial expressionSurprisePsychologyGazeStimulus (psychology)Eye movementCognitive psychologyFixation (population genetics)AngerEye trackingHappinessCommunicationComputer scienceSocial psychologyComputer visionNeuroscience

Résumé

récupéré en direct d'OpenAlex

Human faces convey a great deal of information for human social interactions. In this wealth of information, rapid and exact inferences about what others think or feel play a crucial role in tuning our behaviors. Most studies aimed at identifying the visual processes and strategies subtending facial emotion recognition have used static stimuli. However, there is a growing body of evidence that recognizing facial emotion in the real-world involves motion (e.g., Kamachi et al., 2001; Ambadar, Schooler, & Cohn, 2005). The goal of the present study was to compare eye movements during the recognition of facial expression of emotions in static and dynamic stimuli. We used the stimuli from the STOIC database (Roy et al., submitted; the database includes static and dynamic facial expression of emotion of the six basic categories–fear, happiness, sadness, disgust, anger, and surprise–plus pain and neutral). Twenty participants each completed 320 trials (4 blocks of 80 stimuli, containing either static of dynamic stimuli). After each 500-ms stimulus, participants had to recognize the displayed emotion. Participants wore the EyeLink II head-mounted eye-tracking device while looking at the photos or videos showing different emotions. Participants were more accurate with dynamic than with static stimuli (83% vs. 78%). Average fixation maps were computed for each emotion and stimulus condition using the correct answers only. Eye movements clearly differed for the static and dynamic stimuli: For the dynamic faces, the gaze of participants remained close to the center of the face, whereas, for the static faces, their gaze rapidly spread outward. This was true for all the facial expressions tested. We will argue that the ampler eye movements observed with static faces result from a ventral-stream compensation strategy due to the relative lack of information useful to the dorsal-stream.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,234

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,411
Écart entre enseignants0,381 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetFace Recognition and PerceptionTravaux en français237 207