TurkerGaze：基于网络摄像头眼动追踪的众包显著性预测
计算机视觉与模式识别
2015-05-21 v2
摘要
传统眼动追踪需要专用硬件，这意味着从大量观察者处收集注视数据昂贵、乏味且缓慢。因此，现有的显著性预测数据集比其他视觉识别任务的典型数据集小数个数量级。这些数据集的小规模限制了训练数据密集型算法的潜力，并导致基准评估中的过拟合。为弥补这一不足，本文引入了一种基于网络摄像头的注视追踪系统，支持部署在 Amazon Mechanical Turk (AMTurk) 上的大规模众包眼动追踪。通过精心设计算法与游戏协议，我们的系统获得了与传统实验室环境下收集的数据相当的、用于显著性预测的眼动追踪数据，且研究人员成本相对较低、精力较少。利用该工具，我们为大量自然图像构建了一个显著性数据集。我们将开源我们的工具，并提供一个 Web 服务器，供研究者上传其图像以从 AMTurk 获取眼动追踪结果。
引用
@article{arxiv.1504.06755,
title = {TurkerGaze: Crowdsourcing Saliency with Webcam based Eye Tracking},
author = {Pingmei Xu and Krista A Ehinger and Yinda Zhang and Adam Finkelstein and Sanjeev R. Kulkarni and Jianxiong Xiao},
journal= {arXiv preprint arXiv:1504.06755},
year = {2015}
}
备注
9 pages, 14 figures