Le déficit social, incluant la perturbation du traitement du regard et des émotions, est au cœur de l’autisme. Des études ont montré que les visages de peur provoquent une orientation rapide et involontaire de l’attention spatiale vers leur emplacement chez les individus à développement typique. De plus, ceux-ci détectent plus rapidement et plus efficacement les visages avec un regard direct (vs regard dévié). La présente étude vise à explorer l’effet de l’émotion de peur et de la direction du regard (direct vs dévié) sur l’attention spatiale chez les enfants autistes à l’aide d’une tâche d’attention spatiale implicite. Six enfants avec un trouble autistique (TA) ont participé à cette étude. Les participants doivent détecter l’apparition d’une cible à gauche ou à droite d’un écran. L’apparition de la cible est précédée d’une amorce (paire de visages peur/neutre avec regard direct/dévié). La cible peut être présentée soit dans le même champ visuel que l’amorce émotionnellement chargée (condition valide), soit dans le champ visuel opposé (condition invalide). Nos résultats montrent que les amorces avec un visage de peur (vs les amorces avec un visage neutre) provoquent un effet d’interférence au niveau comportemental et divergent l’attention de leur emplacement chez les enfants avec un TA. / Autism is characterized by a social deficit, including difficulties in using and responding to facial expressions and gaze. Previous studies showed that fearful faces elicit a rapid involuntary orienting of spatial attention towards their location in typically developing (TD) individuals. In addition, target faces with direct gaze are detected faster and more efficiently than those with averted gaze in TD individuals. The aim of the current study is to explore the effect of fear and gaze direction (direct vs averted) on spatial attention in children with autistic disorder (AD). Six children with AD performed a covert spatial orienting task. Each trial consisted of a pair of faces (fearful/neutral with direct/averted gaze) briefly presented followed by a target presented at the location of one of the faces. Participants had to judge the location of the target (right or left visual field). The target unpredictably appeared on the side of the emotional face (fear, direct) (valid condition) or on the opposite side (neutral, averted) (invalid condition). Our results show that fearful faces have an interferent effect on the performance of AD children and divert attention from their location.

Dans ce travail, nous nous proposons d'étudier la cognition sociale chez les sourds en distinguant les aspects perceptifs et cognitifs selon le modèle proposé par Tager-Flusberg et Sullivan (2000). La surdité nous permet d'aborder l'influence des facteurs environnementaux sur le développement des composantes socio-perceptive et socio-cognitive ; nous ciblons nos recherches sur les enfants sourds nés de parents entendants, éduqués dans des écoles ordinaires et portants des prothèses auditives. La première question à laquelle nous tenterons de répondre est la suivante : le manque de communication avec l'entourage familial pendant les premiers mois de vie, en lien avec le contexte particulier de la surdité dans un milieu entendant, a-t-il une influence sur le développement de la composante socio-perceptive ? Nous étudions cette question avec deux expériences impliquant la perception des visages et des émotions ; ces tests nous permettent de mettre en évidence les performances et les stratégies de traitement utilisées. Nous recherchons d'une part, l'utilisation du processus configural et l'effet de focalisation de l'attention sur la région des yeux au cours d'une tâche de jugement de similarité entre visages et d'autre part, l'effet de traitement automatique de la colère avec une tâche de recherche visuelle. La deuxième question soulevée est relative au développement de la composante socio-cognitive, et notamment aux capacités liées à la théorie de l'esprit. Les possibilités croissantes d'intégration du discours, notamment grâce aux prothèses auditives, permettraient-elles le développement des capacités nécessaires à la compréhension des états mentaux d'autrui ? / In this thesis, we aimed to study the socio-perceptive and the socio-cognitive components of social cognition (Tager-Flusberg et Sullivan, 2000) in deaf children. Deafness give us the possibility to assess environmental factors' influence on the development of these components. To do so, we focus our studies on deaf children born from hearing parents, equipped with auditory protheses, and educated in ordinary schools. First, one of the main issue of the current studies is to assess whether the lack of communication with family during the first months of life, in line with the particular context of deafness in a hearing environment, have a significant impact on the socio-perceptive component. Experiments 1 and 2 were designed to assess this issue. Participants had to respond with two experiences related to faces and emotion perceptions ; those tests allow us to show the performances and the strategies of the treatment used. On a side, we are looking for the inversion effect and the eyes area focus effect during a test of faces' similarities judgment, and another side the angry automatic effect with a visual search test. The second question studied is related to the development of the socio-cognitive component, and especially on capacities of theory of mind. Could the improvement of internalization of speech, using auditory protheses, permit the development of the capacities needed to understand the state of mind of another? Or in contrary, are the possibilities to exchange precociously about his own state of mind needed to develop socio-cognitive component?

Le déficit social, incluant la perturbation du traitement du regard et des émotions, est au cœur de l’autisme. Des études ont montré que les visages de peur provoquent une orientation rapide et involontaire de l’attention spatiale vers leur emplacement chez les individus à développement typique. De plus, ceux-ci détectent plus rapidement et plus efficacement les visages avec un regard direct (vs regard dévié). La présente étude vise à explorer l’effet de l’émotion de peur et de la direction du regard (direct vs dévié) sur l’attention spatiale chez les enfants autistes à l’aide d’une tâche d’attention spatiale implicite. Six enfants avec un trouble autistique (TA) ont participé à cette étude. Les participants doivent détecter l’apparition d’une cible à gauche ou à droite d’un écran. L’apparition de la cible est précédée d’une amorce (paire de visages peur/neutre avec regard direct/dévié). La cible peut être présentée soit dans le même champ visuel que l’amorce émotionnellement chargée (condition valide), soit dans le champ visuel opposé (condition invalide). Nos résultats montrent que les amorces avec un visage de peur (vs les amorces avec un visage neutre) provoquent un effet d’interférence au niveau comportemental et divergent l’attention de leur emplacement chez les enfants avec un TA. / Autism is characterized by a social deficit, including difficulties in using and responding to facial expressions and gaze. Previous studies showed that fearful faces elicit a rapid involuntary orienting of spatial attention towards their location in typically developing (TD) individuals. In addition, target faces with direct gaze are detected faster and more efficiently than those with averted gaze in TD individuals. The aim of the current study is to explore the effect of fear and gaze direction (direct vs averted) on spatial attention in children with autistic disorder (AD). Six children with AD performed a covert spatial orienting task. Each trial consisted of a pair of faces (fearful/neutral with direct/averted gaze) briefly presented followed by a target presented at the location of one of the faces. Participants had to judge the location of the target (right or left visual field). The target unpredictably appeared on the side of the emotional face (fear, direct) (valid condition) or on the opposite side (neutral, averted) (invalid condition). Our results show that fearful faces have an interferent effect on the performance of AD children and divert attention from their location.

Dans cette thèse, nous nous intéressons à la description sémantique des personnes dans les images en termes (i) d'attributs sémantiques (sexe, âge), (ii) d'actions (court, saute) et d'expressions faciales (sourire). Tout d'abord, nous proposons une nouvelle représentation des images permettant d'exploiter l'information spatiale spécifique à chaque classe. La représentation standard, les pyramides spatiales, suppose que la distribution spatiale de l'information est (i) uniforme et (ii) la même pour toutes les tâches. Au contraire notre représentation se propose d'apprendre l'information spatiale discriminante pour une tâche spécifique. De plus, nous proposons un modèle qui adapte l'information spatiale à chaque image. Enfin, nous proposons un nouveau descripteur pour l'analyse des expressions faciales. Nous apprenons un partitionnement de l'espace des différences locales d'intensité à partir duquel nous calculons des statistiques d'ordre supérieur pour obtenir des descripteurs plus expressifs. Nous proposons également une nouvelle base de données de 9344 images de personnes collectées sur l'Internet avec les annotations sur 27 attributs sémantiques relatifs au sexe, à l'âge, à l'apparence et à la tenue vestimentaire des personnes. Nous validons les méthodes proposées sur notre base de données ainsi que sur des bases de données publiques pour la reconnaissance d'actions et la reconnaissance d'expressions. Nous donnons également nos résultats sur des bases de données pour la reconnaissance de scènes, le classement d'images d'objets et la reconnaissance de textures afin de montrer le caractère général de nos contributions.

La perception visuelle des visages est une fonction importante du cerveau humain, essentielle pour les interactions sociales. L’étude des bases neurales de la perception des visages a débuté il y a plusieurs décennies et les découvertes servent de modèle pour la compréhension de la perception visuelle en général. L’imagerie structurelle des patients présentant un déficit de reconnaissance des visages à la suite d’une lésion cérébrale a montré l’importance d’un vaste territoire au sein du cortex ventral occipito-temporal (VOTC), du lobe occipital jusqu’au lobe temporal antérieur (LTA), avec une prédominance droite. L’imagerie par résonnance magnétique fonctionnelle (IRMf) a montré l’existence de zones cérébrales circonscrites qui répondent plus fortement aux visages qu’aux autres objets visuels (organisation en « cluster ») principalement dans le VOTC postérieur. Cependant l’IRMf a été limitée dans sa capacité à retrouver de telles régions dans le lobe temporal antérieur à cause d’artefacts méthodologiques. Les études d’électro-encéphalographie intracrânienne (iEEG) réalisées chez les patients épileptiques sont une opportunité unique d’enregistrer l’activité neuronale directe avec un très haut rapport signal/bruit. Les études iEEG ont enregistré des réponses sélectives aux visages largement distribuées dans le VOTC, sans organisation en « clusters ». Malgré des années de recherches, plusieurs questions cruciales restent sans réponse : (1) quelle est l’organisation spatiale des régions sélectives aux visages (organisation distribuée vs. en « clusters ») ? ; (2) quelles sont les bases neurales de la perception des visages dans le LTA ? ; (3) quelles sont les régions critiques pour la perception des visages ? Afin de répondre à ces questions, nous avons utilisé les enregistrements et les stimulations électriques intracérébraux. Dans une 1ère étude (Jonas et al., sous presse), nous avons combiné les enregistrements iEEG avec la stimulation visuelle périodique rapide (FPVS). La méthode FPVS est basée sur le principe suivant : présenter des stimuli visuels à une fréquence fixe va générer une réponse EEG périodique à la même fréquence. Nous avons utilisé cette approche pour réaliser une cartographie complète des réponses sélectives aux visages dans le VOTC (28 participants). Nous leur avons montré des séquences d’images d’objets présentées à une fréquence fixe et rapide (6 Hz), avec un visage présenté tous les 5 objets (1,2 Hz). Les réponses sélectives aux visages ont été identifiées objectivement (à la fréquence de stimulation) et quantifiées dans tout le VOTC. Bien que ces réponses aient été enregistrées de manière largement distribuée, nous avons identifié plusieurs régions dans les lesquelles les réponses les plus fortes se regroupent spatialement (en « clusters »). De plus, nous avons enregistré la plus forte réponse dans le gyrus fusiforme droit. Enfin, nous avons enregistré des réponses sélectives aux visages dans 3 régions distinctes du LTA. Dans 3 autres études, nous rapportons de très rares cas de stimulations électriques de régions sélectives aux visages, testant leur rôle critique dans la perception des visages. Nous rapportons un cas de déficit transitoire de la perception des visages après stimulation du gyrus occipital inférieur droit, la région sélective au visage la plus postérieure (Jonas et al., 2012, 2014) et un cas similaire après stimulation du LTA (Jonas et al., 2015). Dans l’ensemble, ces études montrent que : (1) les régions impliquées dans la perception des visages sont largement distribuées le long du VOTC et certaines sont marquées par un regroupement spatial de leurs réponses les plus fortes ; (2) plusieurs régions distinctes sont sélectives aux visages dans le LTA; (3) des régions spécifiques dans le VOTC postérieur et le LTA sont critiques pour la perception des visages. Ces études montrent l’intérêt des enregistrements intracérébraux pour la compréhension des mécanismes de perception visuelle / Visual perception of faces is a primary function of the human brain, critical for social interactions. The neural basis of face perception in humans has been investigated extensively for decades as a primary research goal, whose findings may serve as a rich model for understanding perceptual recognition. Structural imaging of individuals with face recognition impairment following brain damage point to a large territory of the human ventral occipito-temporal cortex (VOTC), from the occipital lobe to the anterior temporal lobe (ATL), with a right hemispheric advantage. Functional magnetic resonance imaging studies (fMRI) have reported face-selective responses (larger responses to faces than other visual objects) in circumscribed regions (clustered organization) of the posterior VOTC. However, they failed to report genuine responses in the ATL because of methodological artefacts. Intracranial electroencephalographic (iEEG) recordings performed in epileptic patients offer a unique opportunity to measure direct local neural activity with a very high signal-to-noise ratio. In contrast to fMRI studies, iEEG studies recorded face-selective responses in widely distributed regions of the VOTC without any evidence of a clustered organization. Despite decades of research, several outstanding questions are still unanswered: (1) what is the spatial organization of brain regions supporting face perception (clustered vs. distributed)?; (2) what are the neural basis of face perception in the ATL?; (3) which are the critical regions for face perception? To address these gaps in knowledge, we used human iEEG recordings and electrical intracerebral stimulations. In a first study (Jonas et al., in press), we combined iEEG recordings with the Fast Periodic Visual Stimulation (FPVS), a powerful approach providing objective and high signal-to-noise brain responses. FPVS is based on the simple principle: presenting visual stimuli at a fixed rate generates a periodic EEG response at exactly the same frequency. We use this approach to report a comprehensive map of face-selective responses across the VOTC in a large group of participants (N=28). They were presented with natural images of objects at a rapid fixed rate (6 images per second: 6 Hz), with face stimuli interleaved as every 5th stimulus (i.e., 1.2 Hz). Face-selective responses were objectively (i.e., exactly at the face stimulation frequency) identified and quantified throughout the whole VOTC. Although face-selective responses were widely distributed, specific regions displayed a clustered spatial organization of their most face-selective responses. Among these regions, the right fusiform gyrus showed the largest face-selective response. In addition, we recorded face-selective responses in 3 distinct regions of the ATL. In 3 others studies, we reported very rare cases of intracerebral electrical stimulation of face-selective brain regions, testing the critical role of these regions in face perception. We reported a case of transient inability to recognize faces following the stimulation of the right inferior occipital gyrus, the most posterior face-selective region (Jonas et al., 2012, 2014) and one similar case following the stimulation of the right ATL (Jonas et al., 2015). Overall, these studies show that: (1) face-selective responses are widely distributed but some specific regions displayed a clustered spatial organization of their most face-selective responses; (2) several distinct regions are face-selective in the ATL; (3) specific brain regions in the posterior VOTC and in the ATL are critical for face perception. These finding also illustrate the diagnostic value of intracerebral electrophysiological recordings in understanding visual recognition processes

Les études menées dans cette thèse portent sur le rôle des visages dans l'attention visuelle. Nous avons cherché à mieux comprendre l'influence des visages dans les vidéos sur les mouvements oculaires, afin de proposer un modèle de saillance visuelle pour la prédiction de la direction du regard. Pour cela, nous avons analysé l'effet des visages sur les fixations oculaires d'observateurs regardant librement (sans consigne ni tâche particulière) des vidéos. Nous avons étudié l'impact du nombre de visages, de leur emplacement et de leur taille. Il est apparu clairement que les visages dans une scène dynamique (à l'instar de ce qui se passe sur les images fixes) modifie fortement les mouvements oculaires. En nous appuyant sur ces résultats, nous avons proposé un modèle de saillance visuelle, qui combine des caractéristiques classiques de bas-niveau (orientations et fréquences spatiales, amplitude du mouvement des objets) avec cette caractéristique importante de plus haut-niveau que constitue les visages. Enfin, afin de permettre des traitements plus proches du temps réel, nous avons développé une implémentation parallèle de ce modèle de saillance visuelle sur une plateforme multi-GPU. Le gain en vitesse est d'environ 130x par rapport à une implémentation sur un processeur multithread.

La problématique scientifique abordée concerne la reconnaissance visuelle d'objets s'inscrivant dans une scène observée. Nous proposons une méthodologie qui va de la définition et la construction du modèle de l'objet, jusqu'à la définition de la stratégie pour la reconnaissance ultérieure de celui-ci. Du point de vue de la représentation, cette approche est capable de modéliser aussi bien la structure de l'objet que son apparence ; à partir de caractéristiques multiples. Celles-ci servent d'indices d'attention lors de la phase de reconnaissance. Dans ce cadre, reconnaître l'objet revient à " instancier " ce modèle dans la scène courante. La tâche de reconnaissance correspond à un processus actif de génération/vérification d'hypothèses régi par le principe de focalisation. Ce dernier agissant sur quatre niveaux du " spectre attentionnel " : la sélection des opérateurs pour le traitement bas niveau, la sélection de l'intervalle d'action de ceux-ci, la sélection de la résolution et la sélection de la région d'intérêt dans l'image. Le fait d'agir sur tous ces niveaux, entraîne une diminution de la combinatoire implicite dans une problématique de recherche visuelle. Sous un regard plutôt unifié, le mécanisme de contrôle de l'attention, du type bottom-up$top-down, reste implicite dans la stratégie globale de reconnaissance. La " focalisation progressive " et la représentation hybride du modèle, permettent de tirer profit des deux types de représentation classiques. D'une part, la structure de l'objet permet de focaliser le processus de reconnaissance à partir d'observations locales, d'autre part, une fois détectée la région probable de l'objet, la décision finale est faite à partir de l'apparence de celui-ci. Dans le cadre proposé, en intégrant des connaissances sur la structure de la scène (paramètres 3D), d'autres tâches comme celles de la localisation et du suivi sont intégrées d'une façon naturelle. La prise en compte de ces paramètres permet d'estimer l'évolution de la zone d'intérêt dans l'image, lorsque l'objet évolue dans le monde 3D. La méthodologie proposée a été testée pour la reconnaissance, la localisation et le suivi de visages et de piétons.