基于贝叶斯方法的机器学习模型在单模态凝视交互中预测选择意图
人机交互
2024-11-12 v1
摘要
眼动凝视被视为延伸现实（XR）环境中具有前景的交互方式。然而，确定仅凭凝视数据预测用户选择意图往往需要额外的手动选择技术。我们提出一种基于贝叶斯的方法的机器学习（ML）模型，通过眼动数据实时预测用户选择意图。该模型采用贝叶斯方法将眼动数据转化为选择概率，再输入 ML 模型进行选择意图判别。研究 1 表明，该模型实现了 0.97 的准确率和 0.96 的 F1 分数。研究 2 表明，由本模型推断的选择意图相较于传统技术，能够实现更舒适和准确的交互。
引用
@article{arxiv.2411.06726,
title = {Predicting Selection Intention in Real-Time with Bayesian-based ML Model in Unimodal Gaze Interaction},
author = {Taewoo Jo and Ho Jung Lee and Sulim Chun and In-Kwon Lee},
journal= {arXiv preprint arXiv:2411.06726},
year = {2024}
}
备注
18 pages, 6 figures, 2 Tables