Behavioural tuning of face-selective neural populations
Notice bibliographique
Résumé
Recent fMRI evidence demonstrates that face-selective mechanisms are tuned to face identity in a manner consistent with geometric face space. We evaluated the spatiotemporal properties of identity tuning for synthetic faces using a behavioural reverse correlation technique proposed by Ringach (1998). With this technique, different faces were rapidly (∼80ms) flashed on the screen and subjects were required to respond when a target face was presented as quickly as possible. Spatial and temporal tuning were assessed by correlating the probability that a particular stimulus was presented in the recent history of a subject's response. Spatiotemporal tuning plots were measured for face detection (detection of an intact face in the presence of scrambled faces) and for face identification (detection of one face identity in the presence of other identities). When asked to detect an intact face, subjects were most likely to respond on average 497.4 ms after an intact face was presented in the stimulus history. When asked to detect a specific identity, on the other hand, subjects were most likely to respond on average 587.9 ms after the target identity was presented. This temporal response difference is inconsistent with previous research demonstrating similar reaction times for face detection and identification. Moreover, subjects tended to be less likely to respond when a geometrically opposite ‘anti-face’ was presented at the same point in the stimulus history. These results suggest that inhibitory mechanisms may contribute to the tuning of face-selective mechanisms, similar in principle to opponent mechanisms that are observed in the orientation domain.
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 | 0,002 |
| 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) | 0,001 | 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 ».