Task-modulated integration of facial features in the brain
Notice bibliographique
Résumé
The presence of intermodulation frequencies (IM) in an EEG frequency-tagging paradigm indicates non-linear integration of multiple tagged visual features by the brain (Norcia et al., 2015). Despite its growing use in high-level vision, the efficiency of IM as an index of non-linear processing remains unclear, mostly because the importance of the non-linear integration for the task is typically unknown. We assessed the efficiency of IM using a realistic face processing task which we know implements a simple XOR non-linear function—wink detection. On each trial, EEG activity was recorded while each feature of a face flickered at a specific frequency (e.g. left eye: 6 Hz, right eye: 3Hz and mouth: 8 Hz). Subjects had to fixate a central cross and detect winks (one eye closed rather than no eyes/both eyes closed) in the non-linear condition, and the closing of one of the two eyes in the linear condition. Comparisons of brain responses between tasks during identical visual stimulations revealed that left/right-eye tagged IM—the neural response imputable to the non-linear integration of both features—were stronger in occipito-temporal electrodes when this particular feature integration was useful for the task at hand (i.e. wink condition, F(1,362)=13.98,p< .001). The magnitude of the eye-pair IM was also associated with faster response time (RT) in the non-linear wink detection condition (r= -.73,p< .05), but not in the linear control task (r=-.10,p>.70). Oppositely, the magnitude of the mouth tagged neural responses (unrelated to both tasks) was associated with longer RT in both conditions (r1=.67,p1< .05;r2 =.85,p2< .05), most likely reflecting a distractor effect. While the magnitude of feature frequency-tags clearly outweighed that of IM (average SNR were ~15 and ~1.75, respectively), the present results clearly demonstrates that IM can be an effective neural correlate of non-linear visual integration processing. Meeting abstract presented at VSS 2017
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 | 0,000 | 0,001 |
| 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 ».