利用实时注视交互模拟评估眼动追踪信号质量

我们提出了一种利用离线数据集进行实时注视交互模拟的方法，用于评估眼动追踪信号质量。本研究采用三种基础眼动分类算法，从眼动数据中识别生理性注视。我们引入了第一级注视选择方法，用于识别距离目标最近的、最稳定的注视时段，称为触发事件。我们的评估探讨了不同约束条件对触发事件定义的影响，并评估了所定义触发事件的眼动追踪信号质量。结果表明，虽然基于分散度阈值的算法能更准确地识别触发事件，但基于卡尔曼滤波的分类算法在眼动追踪信号质量方面表现更好，这通过基于用户和误差百分位层的用户中心质量评估得到验证。尽管中位用户层面的性能在各算法间差异较小，但信号质量在参与者之间的显著差异凸显了算法选择对确保系统可靠性的重要性。