MétaCan
Menu
Retour à la cohorte
Enregistrement W4311801045 · doi:10.1167/jov.22.14.4117

Robust face detection with limited visual input does not elicit saccadic response

2022· article· en· W4311801045 sur OpenAlexaff
Alison Campbell, James W. Tanaka

Notice bibliographique

RevueJournal of Vision · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFace Recognition and Perception
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésSaccadic maskingStimulus (psychology)Artificial intelligenceComputer visionSaccadic suppression of image displacementComputer scienceBackward maskingVisual perceptionPerceptionPsychologyPattern recognition (psychology)Eye movementCommunicationCognitive psychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Faces are extremely important stimuli for humans, and there is growing evidence that face detection and localisation occurs early in the visual hierarchy. Faces provoke saccadic responses within 100 ms after stimulus onset (Crouzet et al., 2010, J Vis), and face-selective neural representations have been identified in early visual areas (Campana et al., 2020, bioRxiv). Given that face detection may be accomplished by early, low-level visual processing, we examined whether detection and localisation can be accomplished in the absence of perceptual awareness. In a 2AFC saccadic choice task, faces and objects were presented for 8, 100, or 400 ms, followed by 400 ms phase-scrambled masking images. Observers were asked to look for the face (or object) target and to make a manual response corresponding to the target location. We predicted more accurate saccadic responses to faces compared to objects, independent of stimulus visibility. Results showed high detection accuracy even at the 8 ms SOA, with only a 20-30% reduction in visibility for face and object targets, respectively. Eye-tracking data showed that saccadic response was not necessary for accurate detection. In the critical 8 ms SOA condition, observers only made saccades on about 20% of the trials despite high manual detection accuracy. However, observers were more accurate in detecting faces, and when they did execute saccades, saccadic accuracy towards targets was above chance for faces but not for objects. These results demonstrate a remarkable robustness for face detection with very little visual input and without initiating saccadic response. Better understanding of the covert detection processes for such limited visual input may extend models of human eye movements for overt visual targeting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,305
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetFace Recognition and PerceptionTravaux en français237 207