Facial age after-effects show partial identity invariance and transfer from hands to faces
Notice bibliographique
Résumé
Background: While expression creates short-term dynamic changes in faces, age imparts a long-term dynamic change. In contrast to the work on expression, how facial age is represented in the human visual system has seldom been investigated with adaptation methods. Objective: As a parallel to our prior work on expression aftereffects, we studied the ability of age adaptation to transfer across face identity, face and non-face visual stimuli and sensory modality. Methods: We investigated facial age aftereffects using a perceptual bias paradigm in 48 healthy subjects. In a first experiment we examined whether face age aftereffects could be generated and how these were affected by changes in identity between adapting and test stimuli. In a second experiment, we asked whether hands, body silhouettes or body images at different extremes of age generated facial age aftereffects. In a final experiment, we asked whether young and old voices could do the same. Results: Age aftereffects were reduced but still significant when the identity of the face was changed between the adapting and test stimuli. Although body silhouettes and grayscale body images failed to generate age aftereffects in faces, we did find modest cross-stimulus transfer of age adaptation from hands to faces. There was no cross-modal transfer of aftereffects from voices to faces. Conclusions: The effects of identity on age aftereffects parallel our findings for the effects of identity on expression aftereffects, suggesting both identity-specific and identity-invariant components of age aftereffects. Transfer between hands and faces may reflect either the contribution of common properties like skin texture that may be potent age cues, or a convergence of representations at a visual semantic level.
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 | 0,000 | 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 | 0,001 |
| 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 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 ».