Perceptual Learning of Inverted Faces across Different Spatial Frequency Bands
Notice bibliographique
Résumé
Practicing a perceptual task can improve the ability to detect, discriminate, and identify stimuli, a phenomenon known as perceptual learning (1). Improvements have been found for simple and complex visual stimuli, including upright faces (2,3). However, little is known about the effects of practice on recognition of inverted faces (4,5). Here we hypothesized that adults might be better at learning to recognize inverted faces if trained with low spatial frequency images (<5 cpi; LSF) than full spectrum (FULL) or high spatial frequency images (>24 cpi; HSF) since newborns learn to recognize upright faces despite poor visual acuity (6). We trained 3 groups of 16 adults in a 10-AFC task with LSF, HSF or FULL inverted faces presented with different viewpoints. Participants were exposed either to the same or a different set of faces on Day 2. Although reaction times became significantly faster for all groups during training, accuracy improved only in the FULL (14%) and HSF (7%) groups. In contrast, the LSF group's overall improvement was only 1% (Fig1). Improvements from before to after training were assessed by comparisons to an untrained control group on 4 tasks. The FULL group showed more improvement in both accuracy and reactions time than controls on the delayed matching task of full spectrum inverted faces, thereby demonstrating generalization of training to novel faces. They were also faster on the same task with upright faces. The HSF group showed increased and decreased holistic processing of full spectrum inverted and upright faces, respectively, as indexed by reaction times on the composite face effect. Despite no improvement in accuracy during training, the LSF group improved more than controls on reaction times to match simultaneously presented full-spectrum inverted faces. These results suggest that perceptual learning of inverted faces and its generalization depend strongly on their spatial frequency content.
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) | 0,003 | 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 ».