面部图像的真实性可以通过EEG反应的非线性调制来解码

科学领域:

• 神经科学是一个神经科学.
• 计算机视觉 计算机视觉
• 人与计算机的交互

背景情况:

• 不寻常的山谷效应描述了人工实体引起的不安,这些实体几乎,但不完全,类似于人类.
• 了解这种效应的神经认知基础对于设计更好的虚拟代理和数字交互至关重要.
• 现有的研究还没有完全阐明背后的神经机制不可思议的山谷现象.

研究的目的:

• 通过使用电脑电图 (EEG) 来研究神秘山谷效应的神经认知基础.
• 识别神经标记与人造人脸的感知相关的不同级别的风格化.
• 探索从大脑活动中解码面部现实性的方法.

主要方法:

• 使用脑电图 (EEG) 数据集测量稳定状态视觉唤起潜能 (SSVEP).
• 参与者展示了人类面部图像,涵盖了各种风格,从卡通到照片.
• 在频率和时间领域分析神经元反应,采用与任务相关的组件分析 (TRCA).

主要成果:

• 在SSVEP振幅和面部造型水平之间观察到非线性关系.
• 与中等风格化相比,高度风格化的卡通和现实的摄影面孔引起了更强烈的神经反应.
• 脸部的真实性,即使有类似的风格化,也成功地从使用TRCA的EEG数据中解码出来.
• 处理了诸如刺激眼睛大小之类的混因素,以改进分析.

结论:

• 这项研究提供了基于SSVEP的神经标记,用于检测面部真实性.
• 展示了用于实时检测面部真实性的高效分类方法.
• 这项研究为了解和比较人工面部神经元基础的神秘山谷效应的基础提供了基础.