在扫描路径分析中对机器学习的审查,用于基于被动凝视的互动
Abdulrahman Mohamed Selim1, Michael Barz1,2, Omair Shahzad Bhatti1
1German Research Center for Artificial Intelligence (DFKI), Interactive Machine Learning Department, Saarbrücken, Germany.
Frontiers in artificial intelligence
|June 21, 2024
概括
本综述探讨了机器学习用于基于被动凝视的交互中的扫描路径分析. 它强调了常见的做法,研究趋势,并确定了解释眼动以改善人机交互的未来挑战.
科学领域:
- 人与计算机的交互
- 机器学习 机器学习
- 眼睛追踪 眼睛追踪
背景情况:
- 扫描路径,代表眼睛的运动 (固定和摇摆),对于理解用户行为至关重要.
- 基于被动视线的交互使用隐式释眼动来增强用户体验.
- 机器学习 (ML) 为自动扫描路径分析提供了高级功能.
研究的目的:
- 从2012-2022年对基于被动目光的互动进行扫描路径分析的ML应用进行审查.
- 确定研究领域,学习任务和常见的ML实践.
- 突出研究缺口和未来研究的挑战.
主要方法:
- 对2,425篇出版物的系统文献综述,重点关注77项相关研究.
- 对扫描路径数据应用的ML技术的分析.
- 检查数据收集,准备,模型选择和评估方法的研究.
主要成果:
- 确定了基于被动视线交互的关键研究领域和常见的ML任务.
- 详细的ML管道中的常用实践,用于扫描路径分析.
- 突出的改进领域和新兴的ML趋势.
结论:
- 在基于被动凝视的互动中,ML对于解释扫描路径越来越重要.
- 需要标准化的实践和应对新出现的ML挑战.
- 本综述为扫描路径分析和基于视线的系统的未来研究提供了路线图.
