MétaCan
Menu
Retour à la cohorte
Enregistrement W4402905718 · doi:10.1167/jov.24.10.1349

Physically blurred faces are more recognizable at a distance

2024· article· en· W4402905718 sur OpenAlexaff
Lei Yuan, Claudia Wu, İpek Oruç

Notice bibliographique

RevueJournal of Vision · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueFace recognition and analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer visionArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

Previous work has shown that faces with a high degree of blur are more recognizable at smaller sizes. In addition, blurry faces generate identity adaptation aftereffects at small, but not large, sizes. This small-size advantage for blurry faces has been observed using digitally scaled and blurred face images. Here, we examine whether the small-size advantage persists in a paradigm with greater ecological validity, where size variation is achieved through viewing distance, and blurring is achieved via physical blurring filters. We tested 12 participants (5 females, 7 males, ages: 20-44 years, M=26.67, SD=7.16) in a face recognition protocol at two viewing distances (1m and 0.35m) corresponding to small (1.66 degree) and large (4.75 degree) face sizes. At each trial, a celebrity face was displayed on a computer screen until response. Trials were blocked by viewing distance (close vs. far), where a randomly selected half of 100 celebrity images were viewed at each distance. The order of blocks was counterbalanced across participants. Faces were viewed behind a 1-degree Luminit holographic Light Shaping Diffusers (LSD®), such that blur level was fixed throughout the experiment. Participants were asked to identify the celebrity at each trial. If the participant was unable to correctly identify the face, they were immediately shown intact images of the celebrity to determine whether they were unfamiliar with the celebrity, in which case the trial was discarded. Face recognition accuracy was 66.22% at the small size, significantly higher than the 60.19% at the large size (p=0.014, d=0.39). Ten out of 12 participants showed the small-size advantage at the individual level. These results replicate earlier findings of better recognition for blurry faces at smaller sizes with digital manipulation of blur and size, and extend them by demonstrating that this small-size advantage generalizes to physically blurred faces viewed at varying distances.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,797
Score d'incertitude au seuil0,266

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,284
Écart entre enseignants0,272 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetFace recognition and analysisTravaux en français237 207