在与周围环境进行交互时,我们经常遇到大量相似物体,但是我们的视觉系统并非对场景中的所有元素进行一一表征。基于注意资源有限以及短时记忆容量的限制,视觉系统必须对外界输入的大量冗余信息进行压缩,以概要统计信息表征场景中相似的特征。人们不仅能从大小、线条朝向等低水平特征中提取平均大小、朝向等信息,也能从一系列面孔等高水平特征中提取平均情绪、身份等信息。这一现象中最有趣的是,人们通常不能识别集合中的单一项目以形成单独的个体表征。大部分的研究结论都是基于加工资源有限的观点。然而,有研究发现,当单个项目获得充足的加工资源时,整体编码并不独立于个体表征的加工,并有可能在个体表征精确性提高的条件下获益。因此,单个项目获得的加工资源对整体编码可能具有重要影响,为此,我们采用成员识别任务(实验1)和平均辨别任务(实验2)检验了不同呈现时间下多面孔表情的平均表征与个体表征提取间的关系。结果发现,当面孔集合的呈现时长为50ms时,平均表征的加工优于个体表征,重复了经典的前人研究结果。然而,个体表征与平均表征的精确性都随着面孔集合呈现时间而提高。此外,为了研究长时呈现条件下噪音对平均表征的影响,我们采用扩散模型分析法,结果发现,平均表征也易受长时加工过程中累积的噪音影响,导致决策时倾向于采用更加保守的策略,而个体表征较少受噪音干扰。这表明,多面孔情绪信息的编码存在两种形式:个体面孔加工和集群面孔加工。