一个自动评分算法的验证,该算法在3维虚拟现实环境中评估眼睛探索,使用眼睛跟踪传感器进行验证
Or Koren1, Anais Di Via Ioschpe1,2, Meytal Wilf1,3
1Center of Advanced Technologies in Rehabilitation, Sheba Medical Center, Ramat Gan 52621, Israel.
Sensors (Basel, Switzerland)
|July 24, 2025
概括
这项研究验证了虚拟现实 (VR) 头戴显示器 (HMD) 的自动眼睛跟踪算法. 该算法准确地测量了对静态和动态感兴趣区域的目光行为,减少了手动得分时间.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 人与计算机的交互
背景情况:
- 虚拟现实 (VR) 中的眼睛跟踪对于理解行为至关重要.
- 手动评分眼神数据是耗时和劳动密集的.
- 之前的自动化算法缺乏对手工评分的验证,特别是在动态感兴趣区域 (AOI) 中.
研究的目的:
- 在VR中验证一个自动眼睛跟踪算法与手动评分对时间固定行为的验证.
- 在静态和动态AOI上评估算法的准确性.
- 建立一个可靠的自动化系统来分析视线数据在VR.
主要方法:
- 开发了一种自动评分算法,以确定第一次固定时间 (TOFF) 和总固定时间 (TFD).
- 十名参与者使用VR头戴显示器 (HMD) 进行了测试,使用了36个静态和动态AOI.
- 算法生成的TOFF和TFD与使用类间相关系数 (ICC) 的主观人类注释进行了比较.
主要成果:
- 自动化算法表现出高精度,实现TOFF和TFD的ICC值≥0.982 (p < 0.0001).
- 该算法可靠地测量了静态和动态AOI上的时间视线参数.
- 结果表明,自动评分和人类注释之间存在很强的一致性.
结论:
- 经过验证的自动化算法准确地量化了VR HMDs中的时间凝视行为.
- 该系统可以取代繁的手动评分,节省大量的时间和资源.
- 该算法适用于研究,包括在阿尔茨海默氏症痴呆患者中区分冷漠与抑郁的研究.
