合成凝视的隐私化：抑制扩散生成眼动序列中的状态特征

深度学习（DL）的近期进展使得能够生成高质量的合成凝视数据，但此类数据也引发了隐私 concerns，因为凝视序列可以编码主观的内部状态，如疲劳、情绪负荷或压力。理想情况下，合成凝视应保留真实记录的信号质量，同时消除或减弱与内部状态相关的隐私敏感属性。许多近期基于深度学习的生成模型专注于复制真实凝视轨迹，而未明确考虑主观报告或内部状态的隐私化。然而，本文考察了最近基于扩散模型的凝视合成方法，检验合成凝视特征与主观报告（如疲劳和相关自评状态）之间的相关性。我们的结果表明，这些相关性微不足道，这表明该生成方法抑制了与状态相关的特征。此外，合成凝视保留了与真实数据相似的必要信号特征，这支持其在隐私保护的凝视应用中使用。