The use of spatial frequency through time in face identification
Notice bibliographique
Résumé
Face perception has received much attention since it became obvious that something special characterizes this stimulus class (e.g. Bodamer, 1947; Farah et al., 1998 ; Yin, 1969). One promising avenue for the study of face perception involves psychophysical procedures that can determine the information effectively used by human observers. Here we studied the effective use of spatial frequency information through time in face identification using Bubbles (Gosselin & Schyns, 2001; Vinette, Gosselin & Schyns, 2004). We submitted five subjects to 3000 dynamic grayscale faces (6 × 6 deg of visual angle × 180 ms) sampled by dot multiplying their Fourier spectrum with a 2D white Gaussian noise convolved with a Gaussian function (Std's = 0.156 of the Nyquist frequency and 79 ms). The subjects performance was maintained at 75% of correct identifications by adjusting, on a trial by trial basis, the surface under the sampling noise. Using multiple linear regression on response accuracy and sampling noise, we revealed that subjects tend to use a narrow band of low spatial frequency (about 5.8 cycles per face) throughout and, from 100 to 150 ms after stimulus onset, a broader frequency band centered on 15.6 cycles per face. These results suggest that face identification occurs in a two-step process : an initial sweep mainly interested in low spatial frequencies and a later one focussing on mid to high spatial frequencies, which appears particularly important for the efficient resolution of the perceptual task. This two-sweep process is compatible with the proposal of Liu, Harris and Kanwisher (2002) that face identification at an individual level follows a more global categorization of the stimulus as a face. Results are also in agreement with studies that showed a natural bias in face perception for spatial frequencies between 5.62 and 22.5 cycles per face (e.g. Nasanen, 1999; Schyns, Bonnar & Gosselin, 2002 ; Vuilleumier et al., 2003).
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».