基于眼动信号的任务解码：使用合成数据增强
人工智能
2025-09-16 v1
摘要
机器学习广泛应用于眼轨迹研究相关应用中。理解眼动行为是眼轨迹研究中最重要的子集之一，揭示个体的扫描模式。研究人员已对眼动数据进行彻底分析，以理解各种眼轨迹应用，如注意机制、导航行为、任务理解等。传统机器学习算法用于从眼动数据解码任务的输出结果对亚尔布斯的假设（即可能从观察者的眼动中解码其任务）引起了混合反应。在本文中，我们在现有数据上生成合成数据样本，采用众所周知的合成数据生成器 CTGAN 及其变体（如 CopulaGAN 和 Gretel AI 合成数据生成器），解码任务类别。我们的结果表明，合成数据与额外眼动数据的组合，即使在传统机器学习算法下，也能显著提高分类准确率。我们看到，在额外增加五倍数据（除320个真实眼动数据集样本外），使用 Inception Time 将任务解码准确率从28.1%提高到82%。我们的方法凭借额外的合成数据集，超过了所有可获得研究在此数据集上的表现。我们通过多种算法和真实与合成数据组合，验证了我们的论点，展示了随着生成数据相对于真实数据的增量，解码准确率的提升。
引用
@article{arxiv.2509.11547,
title = {Task Decoding based on Eye Movements using Synthetic Data Augmentation},
author = {Shanmuka Sadhu and Arca Baran and Preeti Pandey and Ayush Kumar},
journal= {arXiv preprint arXiv:2509.11547},
year = {2025}
}