基于提取眼部特征神经架构的低分辨率成像系统高效注视点估计器
计算机视觉与模式识别
2021-06-10 v1 人机交互
机器学习
摘要
用户的眼睛作为一种重要模态，为人机交互（HCI）研究提供了途径。对眼睛持续的科学研究探索已在HCI应用中看到诸多益处，从注视估计到测量用户在给定时间段内观看屏幕的专注度。作为辅助性交互工具的眼动追踪系统可被身体残障人士使用，尤其适用于那些仅以眼睛作为有限沟通手段的群体。本文的三重目标是：1. 引入一种基于神经网络的架构，通过低分辨率系统（如网络摄像头）实时学习眼睛作为眼部特征集的各个方面，预测用户在屏幕上11.31{\deg}视角范围内显示的9个位置处的注视点。2. 收集实时获得的粗监督特征集，并通过文中针对21名个体（17男4女）的案例研究进行验证，从中导出3.5万条样本实例，准确率为82.36%，f1分数为82.2%。3. 对此类系统的适用性与潜在挑战进行详细研究。实验结果验证了所提眼动注视追踪模型的可行性与有效性。
引用
@article{arxiv.2106.05106,
title = {An Efficient Point of Gaze Estimator for Low-Resolution Imaging Systems Using Extracted Ocular Features Based Neural Architecture},
author = {Atul Sahay and Imon Mukherjee and Kavi Arya},
journal= {arXiv preprint arXiv:2106.05106},
year = {2021}
}