AutoSIGHT：基于眼动追踪的自动人类专精度即时评估系统
计算机视觉与模式识别
2025-08-05 v1 人工智能
机器学习
摘要
我们能否通过眼动追踪特征自动评估人类解决视觉任务的专精程度呢？本文提出 AutoSIGHT，即人类专精度即时评估自动系统，利用从眼动数据中提取的特征组合，分类专家和非专家表现者。在用于本研究的虹膜 Presentation Attack Detection (PAD) 任务上进行评估，结果显示，在仅 5 秒的短小评估窗口内，AutoSIGHT 在受体 disjoint 训练-测试情形下实现平均 0.751 的平均受试者特征曲线下面积性能。当评估窗口扩大至最高 30 秒时，受试者特征曲线下面积 (AUROC) 提升至 0.8306，表明模型在略微延迟决策的代价下有效利用了更多信息。本工作开启了将人类与机器专精度自动加权纳入人机协作场景的新研究方向，这类场景需要动态应对人类与 AI 参与者之间非平稳的专精分布变化（例如专家需要被替换，或手头任务发生快速变化）。本文伴随发布的数据集包含 6 名专家和 53 名非专家求解虹膜 PAD 视觉任务时收集的眼动数据。
关键词
引用
@article{arxiv.2508.01015,
title = {AutoSIGHT: Automatic Eye Tracking-based System for Immediate Grading of Human experTise},
author = {Byron Dowling and Jozef Probcin and Adam Czajka},
journal= {arXiv preprint arXiv:2508.01015},
year = {2025}
}
备注
This work has been accepted for publication in the proceedings of the IEEE VL/HCC conference 2025. The final published version will be available via IEEE Xplore