评估用于"现实世界"可翻译的神经心理范式的凝视对象映射算法

科学领域:

• 虚拟现实 (VR) 是一种虚拟现实.
• 人与计算机的交互
• 眼睛追踪技术的技术

背景情况:

• 眼睛跟踪对于在虚拟现实 (VR) 中识别视觉注意力至关重要.
• 在VR中应用眼睛跟踪对准确的凝视对象映射 (GTOM) 提出了独特的挑战.
• 这项研究评估了GTOM算法在VR暗示-反应范式.

研究的目的:

• 为了比较两个凝视对象映射 (GTOM) 算法的性能.
• 评估算法的准确性,使用来自VR暗示反应范式的眼神数据来评估算法的准确性.
• 为了确定最佳的物体大小,在VR中可靠地检测视线.

主要方法:

• 参与者 (n=36) 在VR提示反应任务中使用HTC Vive Pro Eye.
• 使用天真射线抛射与联合Tobii G2OM算法分析了凝视数据.
• 视线准确度是以视线持续时间相对于物体相互作用的百分比来估计的.

主要成果:

• 结合的Tobii G2OM算法显著超过了天真射线投射 (p=.003).
• 较大的物体 (>800cm3) 比较小的物体 (≤800cm3; p<.001) 显示出更高的目光持续时间百分比.
• 两种算法都显示了对小于800cm3的物体的精度降低.

结论:

• 托比的G2OM算法在这个VR应用程序中提供了卓越的目光对象映射.
• 对象大小是影响VR视线检测准确性的关键因素.
• 建议在增强的HTC Vive Pro Eye应用中使用超过800cm3的视线交互对象.