基于事件相机的眼动跟踪深度学习方法
计算与语言
2025-12-24 v3 人工智能
摘要
本研究项目旨在利用事件相机来准确跟踪特定事件中的眼动。鉴于人类眼睛的快速运动（可达300°/s），精确的眼动跟踪通常需要昂贵且高速的摄像机。我们的主要目标是使用来自事件相机的输入定位眼中心位置（x, y）。眼动分析在消费电子领域具有广泛应用，尤其是在 VR 和 AR 产品开发方面。因此，我们的最终目标是开发一个可解释且具有成本效益的算法，使用深度学习方法来预测人类注意力，从而提高设备的舒适度并提升整体用户体验。为实现这一目标，我们探索了 various 方法，其中 CNN_LSTM 模型证明最为有效，准确率约为81%。此外，我们提出了未来工作，重点关注 Layer-wise Relevance Propagation (LRP) 以进一步提高模型的可解释性和预测性能。
引用
@article{arxiv.2508.04826,
title = {Persistent Instability in LLM's Personality Measurements: Effects of Scale, Reasoning, and Conversation History},
author = {Tommaso Tosato and Saskia Helbling and Yorguin-Jose Mantilla-Ramos and Mahmood Hegazy and Alberto Tosato and David John Lemay and Irina Rish and Guillaume Dumas},
journal= {arXiv preprint arXiv:2508.04826},
year = {2025}
}
备注
Accepted at AAAI 2026, Track on AI Alignment