MétaCan
Menu
Retour à la cohorte
Enregistrement W4386920275 · doi:10.1109/sas58821.2023.10253976

Reducing Fixation Error Due to Natural Head Movement in a Webcam-Based Eye-Tracking Method

2023· article· en· W4386920275 sur OpenAlexafffund
Manuela Kunz, Arsalan Syed, Kathleen Fraser, Bruce Wallace, Rafik Goubran, Frank Knoefel, Neil Thomas

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueGaze Tracking and Assistive Technology
Établissements canadiensInnovation, Science and Economic Development CanadaBruyèreCarleton UniversityNational Research Council Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBruyère Research InstituteAGE-WELL
Mots-clésComputer visionComputer scienceArtificial intelligenceEye trackingEye movementFixation (population genetics)Head (geology)Eye tracking on the ISSTracking (education)GeologyPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

The detection and monitoring of cognitive decline has emerged as an important research topic as the global population ages. Here, we present work towards the goal of using a webcam as a low-cost and non-invasive sensor to detect oculomotor changes associated with prodromal or early dementia. Specifically, we implement a method of 3D gaze tracking to account for natural head movement during the data collection. In a user study, we show that this method decreases gaze estimation error in a fixation task by 11 %, when compared with a standard 2D method. Performance improvements are greater in the horizontal direction than vertical direction, indicating the predominance of horizontal head movements in our users. Correcting for naturalistic head movements will be critical in the deployment of this technology, particularly in older user populations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,724
Score d'incertitude au seuil0,502

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,035
Tête enseignante GPT0,357
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetGaze Tracking and Assistive TechnologyTravaux en français237 207