Information sampling and processing during visual recognition
Notice bibliographique
Résumé
Visual recognition is a phenomenon that seems to occur almost instantaneously. However, this is just an impression: not only does it require hundreds of milliseconds of processing, but information from the world must also be sampled during tens of milliseconds. This means that brain activity related to the recognition of an object is in fact composed of the brain responses to information sampled in different time windows. Furthermore, we can expect activity in response to different time windows to be different, partly because different features are attended and used at different moments during recognition, and because information perceived earlier must be maintained longer to be integrated with information perceived later. In this study, we aimed to decompose brain activity according to the sampling moment of information. To do so, we randomly sampled the main face features across 200ms on each trial while subjects performed a gender or expression recognition task and while their EEG activity was recorded. We then reverse correlated EEG amplitude in occipito-temporal sensors at all time points with information presented in different time windows: this allowed us to uncover the processing time course of information sampled at specific moments. We observed that processing was significantly different across presentation moments at several latencies and that the time windows leading to high activity correlated with the time windows leading to accurate responses. We also found that presentation moment modulated the durations of the P1 and P3 components. Importantly, these differences were not the same across tasks, indicating that their origin is partly top-down. In summary, we uncovered for the first time the processing of information sampled at different moments during recognition. We showed that sampling moment modulates the processing of information in more than one way, and that this modulation is partly related to top-down routines of information extraction 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 | 0,001 | 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) | 0,002 | 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 ».