Upright & inverted face recognition relies on the same, narrow band of spatial frequencies
Notice bibliographique
Résumé
How does information processing differ between upright and inverted face recognition? Previous research from our lab suggests that, in the spatial domain, the differences in processing are quantitative rather than qualitative (Sekuler et al., 2004). Here we ask whether differences exist in the Fourier domain. Previous studies suggest that observers rely on frequency information centered around 9 cyc/face when recognizing upright faces (Nasanen 1999; Gold et al., 1998; Gold et al., 1999). Observers might be worse at inverted face recognition because they rely on a different, or broader range, of spatial frequencies for inverted face recognition than for upright face recognition. A recent study by Nakayama (VSS 2003) suggests that inverted face recognition might be less selective for frequency than upright face recognition, however spatial frequency tuning was not measured directly. We re-examined the issue using critical-band masking to measure spatial frequency tuning in a 10-alternative face recognition task, for both upright and inverted faces. In agreement with past results, upright face recognition relied on a narrow band channel, ∼1.4 octaves, centered at ∼8 cyc/face. However, despite the fact that observers required significantly more contrast to discriminate upside-down faces than upright faces, observers used a similar narrow band of spatial frequencies regardless of face orientation. Because our stimuli and task differed considerably from those of Nakayama, additional research is needed to elucidate the nature of spatial frequency selectivity under various conditions. Regardless, our results place strong constraints on how the strategies for upright and inverted face recognition might differ. We propose that the critical difference lies not in which frequencies are used, but in how information is used within a narrow band of frequencies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».