Gender- and age-contingent face aftereffects and the Hebbian normalization model
Notice bibliographique
Résumé
Classical adaptation phenomena (e.g., tilt after-effect, waterfall illusion) are a response to a biased distribution of stimuli (e.g., more right-tilted adapters) and led to models involving gain adaptation (highly stimulated neurons reduce their gain). But, neurons also adapt to 2nd-order statistics (stimulus feature co-occurrence, “contingent adaptation”, Benucci et al., 2013; Aschner et al., 2018), consistent with the Hebbian normalization model (Westrick et al., 2016) in which strong co-firing of neuron pairs leads to increased mutual inhibition. This model predicts analogous behavioral effects: Co-occurring stimulus elements in an adapter lead to inhibitory effects of one on the other in perception as first tested using pairs of grating stimuli (Yiltiz et al., VSS 2018 and in press). Here, we test whether contingent adaptation, as predicted by the model, applies to adaptation to high-level perceptual features. We adapted observers (N=19) to a series of alternating old-male and young-female faces (or old-female/young-male) followed by an androgynous or a middle-aged test face. Despite the fact that there was no net first-order gender or age adaptation, we found significant age-contingent gender aftereffects (d=0.77, p=.02) biasing perception away from the adapting gender (i.e., repulsive): test faces were perceived as more masculine or feminine depending on the age of the face with which they were paired during adaptation, and analogous gender-contingent age aftereffects (d=0.63 , p=.02). Prior face adaptation work has shown figural aftereffects (e.g., eye-spacing, internal features distortion) contingent on some discrete facial attributes such as race and orientation (Rhodes et al., 2004; Jacquet, et al., 2008). Our results represent the first report of contingent aftereffects on natural face categories (i.e., age and gender) that are plausibly represented by a continuum of neurons coding for a range of values along these dimensions. The Hebbian normalization model provides an account for these contingent adaptation aftereffects in face perception.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».