基于脑电图数据的卷积神经网络与视觉变换器融合的视线估计中卷积核大小的影响
机器学习
2024-08-08 v1
摘要
本文提出了一种基于脑电图（EEG）数据进行视线估计的算法。基于 EEG 的视线估计是一个新的研究课题，可以作为传统基于视频的眼动追踪的替代方案。与现有最先进（SOTA）方法相比，我们将基于 EEG 的视线估计的均方根误差（RMSE）降低到了 53.06 毫米，同时将训练时间缩短至原来的 33% 以下。我们的源代码可在 https://github.com/AmCh/CQI6907Project 获取。
关键词
引用
@article{arxiv.2408.03478,
title = {Effect of Kernel Size on CNN-Vision-Transformer-Based Gaze Prediction Using Electroencephalography Data},
author = {Chuhui Qiu and Bugao Liang and Matthew L Key},
journal= {arXiv preprint arXiv:2408.03478},
year = {2024}
}
备注
International Conference on Human-Computer Interaction (HCII 2024)