用基于位置的增强现实量化停留时间:使用视觉变压器对移动眼睛跟踪数据进行动态AOI分析

科学领域:

• 计算机视觉 计算机视觉
• 人与计算机的交互
• 认知科学 认知科学

背景情况:

• 移动眼睛跟踪为自然学研究提供了有价值的自我中心视觉数据,但在移动目标时,它面临着噪音和分析挑战.
• 目前的分析工具有限,往往需要耗时的手动注释,阻碍了移动眼球追踪研究的可扩展性.
• 户外环境中的非线性运动和物体消失使自动化兴趣区域分析复杂化.

研究的目的:

• 引入一种用于分析移动眼球追踪数据的自动化方法,特别是解决在自然环境中移动目标的挑战.
• 为了提高处理户外研究的噪音眼睛跟踪数据的效率和准确性.
• 为了使移动眼部追踪数据的分析更具可扩展性和更少的劳动密集性.

主要方法:

• 一个微调的视觉转换器 (ViT) 模型被开发用于分类含有凝视标记器的.
• 在整个数据集的手动标记子集 (1.98%) 上,ViT模型在三个时代中进行了训练.
• 模型的性能被评估,使用保留数据来评估它的准确性.

主要成果:

• 微调的视觉变压器模型在保留数据上实现了99.34%的高精度.
• 该方法在室外增强现实生物多样性教育应用测试中成功应用,以量化参与者在平板电脑上的停留时间.
• 演示了模型处理复杂,自然化的场景与移动元素的能力.

结论:

• 开发的基于视觉转换器的方法为在自然学研究中分析移动眼睛跟踪数据提供了准确和高效的解决方案.
• 这种方法显著减少了对手动注释的依赖,为移动眼睛跟踪的更广泛应用铺平了道路.
• 该方法显示了在各种研究领域的应用潜力,这些研究领域需要在动态环境中分析目光行为.