Systematic variations in visual information utilization predict face recognition abilities, from developmental prosopagnosics to super-recognizers
Notice bibliographique
Résumé
Face recognition abilities vary greatly among neurotypical people, but the causes of these variations are not well understood. Here, we show that for face recognition, the use of specific visual information from faces predicts abilities for identifying faces. Abilities were measured in 96 adult participants prior to evaluating the visual information they use. Included in these participants were two developmental prosopagnosics (DP) and six super-recognizers (SR): groups of people with extraordinarily low (DP) or great (SR) face recognition abilities. These two groups represent extremes of the ability spectrum. Utilization of visual information was assessed using the Bubbles method. In 1000 trials, participants were asked to identify a known celebrity's face. The stimuli were spatially sampled by applying a mask with randomly positioned Gaussian windows (bubbles) revealing visual information from the faces at five spatial scales. A regression was then applied between the sampled information and accuracy on each trial, determining which information was systematically sampled from each of the scales when participants correctly identified faces. The result is a z-scored classification image showing visual information used by each participant. Subsequently, the pixels in these classification images were divided in a regular grid containing 35 rectangles. A second-order regression was then applied between ability scores and average z-scores of utilization of pixels in each rectangle, for each scale. In the two finest scales, the extent at which specific spatial visual information is used can predict abilities. In the finest scale (28-56 cycles per face [cpf]), best predictors are the eye areas, nose and left side of face (adjusted R-squared=0.34; p=.002). In the second finest (14-28 cpf), the best predictor is the use of the left eye (adjusted R-squared=0.44; p< .001). We conclude that individual differences in face recognition abilities are partly explained by the extent at which specific face information is used. 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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».