The neural basis of face ensemble processing: An EEG-based investigation of facial identity summary statistics
Notice bibliographique
Résumé
Extensive behavioural work has documented our ability to extract summary statistics from groups of faces such as average emotion, gender, and identity. However, to date little is known about the neural mechanisms subserving the extraction of summary statistics from face ensembles. Here, we used electroencephalography (EEG) to examine and compare the neural processing of facial identity from ensembles and single faces. To this end, we collected EEG data across 14 participants who viewed ensembles composed of 6 faces as well as single faces presented one at a time. Critically, ensembles were designed such that, though they consisted of different individual faces, they could lead, half of the time, to the same summary representation (i.e., to the same average face), and, half of the time, to different summary representations. Pattern analyses were then conducted across spatiotemporal signals recorded from 12 bilateral occipitotemporal electrodes. These analyses found, first, that single faces can be well discriminated from their corresponding EEG signal, consistent with previous work. Second, ensembles with different average identities, but not those with the same average identity, could be discriminated from each other above chance. Third, critically, classifiers trained on ensembles with different average identities were able to successfully discriminate their corresponding average identities presented as single stimuli. Finally, face ensembles and single faces exhibited different time courses of discrimination. Specifically, ensemble discrimination reached significance earlier, but peaked later than single-face discrimination, suggesting an extensive interval of evidence accumulation and information processing (i.e., average identity extraction). Thus, to our knowledge, the present findings provide the first evidence based on EEG data regarding the extraction of summary statistics from face ensembles. Further, they serve to characterize the temporal profile of ensemble processing and its relationship with single face recognition. Meeting abstract presented at VSS 2018
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 | 0,002 |
| 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 ».