MétaCan
Menu
Retour à la cohorte
Enregistrement W4412459260 · doi:10.1167/jov.25.9.1875

Investigating the Role of Key Facial Features for Face Detection

2025· article· en· W4412459260 sur OpenAlexaff
Laurianne Côté, Jérémy Lamontagne, Alexis Bellerose, Caroline Blais, Daniel Fiset

Notice bibliographique

RevueJournal of Vision · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueFace recognition and analysis
Établissements canadiensUniversité du Québec en Outaouais
Organismes subventionnairesnon disponible
Mots-clésKey (lock)Face (sociological concept)Computer scienceArtificial intelligenceComputer securityLinguisticsPhilosophy

Résumé

récupéré en direct d'OpenAlex

An important body of literature is dedicated to understanding how humans compute the complex information required for face recognition. Specifically, many have stated that the eyes and mouth regions play a fundamental role in this process, supported by evidence from individual differences and prosopagnosic patients (Caldara et al., 2005; Royer et al., 2018; Tardif et al., 2019). While psychophysical studies have established the importance of these regions in identification, few studies have explored the preceding step: face detection. That said, a study by Xu and Biederman (2014) suggests a link between these two processes, showing that a prosopagnosic patient experienced notable difficulties in a face detection task, suggesting that the same facial information might be used for both processes. The present study therefore aims to identify the key regions involved in face detection, a crucial step before delving deeper into this aspect in patients with acquired prosopagnosia. In this study, twenty participants completed 3,000 trials divided in two face detection tasks (1 - Does the presented stimulus contain a face? 2 - Which of the two stimuli contains a face?), with the non face stimuli being 100% wavelet decomposed faces (Koenig-Robert & VanRullen, 2013). In both tasks, stimuli were overlaid with Bubbles across five spatial frequency (SF) bands (Gosselin & Schyns, 2001). The resulting classification images reveal that face detection relies on all facial features (eyes, nose, and mouth, p = .001) across all spatial frequency bands, with the presence of the eyes being associated with higher Z-scores. These results suggest that face detection and face recognition processes are closely linked, as both rely on the same facial regions to accomplish the task. This opens new perspectives for understanding and diagnosing deficits associated with prosopagnosia, but also for better understanding the underlying processes of face recognition.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,817
Score d'incertitude au seuil0,098

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,010
Tête enseignante GPT0,279
Écart entre enseignants0,270 · 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'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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetFace recognition and analysisTravaux en français237 207