[논문 리뷰] Eye movement velocity and gaze data generator for evaluation, robustness testing and assess of eye tracking software and visualization tools

Wolfgang Fuhl, Enkelejda Kasneci|arXiv (Cornell University)|2018. 08. 27.

Gaze Tracking and Assistive Technology참고 문헌 19인용 수 36

한 줄 요약

이 논문은 감마 및 시그모이드 분포를 각각 사용하여 고정, 사카데, 부드러운 추적에 대한 현실적인 속도 프로파일과 시선 시퀀스를 생성하는 새로운 눈동자 움직임 시뮬레이터를 제안한다. 이 시뮬레이터는 변동 가능한 및 변동하는 샘플링 속도를 지원하며, 시각적 강조도 지도나 실제 고정 타겟을 통합하고, 공개 데이터셋을 활용한 정확한 시뮬레이션과 오차 평가를 통해 눈동자 추적 소프트웨어의 강건한 평가를 가능하게 한다.

ABSTRACT

Eye movements hold information about human perception, intention, and cognitive state. We propose a novel eye movement simulator that i) probabilistically simulates saccade movements as gamma distributions considering different peak velocities and ii) models smooth pursuit onsets with the sigmoid function. Additionally, it is capable of producing velocity and two-dimensional gaze sequences for static and dynamic scenes using saliency maps or real fixation targets. Our approach is also capable of simulating any sampling rate, even with uctuations. The simulation is evaluated against publicly available annotated data. The simulator can be used in EyeTrace or downloaded at http://ti.unituebingen. de/Projekte.1801.0.html.

연구 동기 및 목표

• 눈동자 추적 소프트웨어 및 시각화 기법 평가를 위한 강력하고 유연한 눈동자 운동 시뮬레이션 도구의 부족을 해결하기 위해.
• 기존 시뮬레이터들이 일정한 샘플링 속도를 가정하고 현실적인 노이즈 모델링이 부족한 한계를 극복하기 위해.
• 시각적 강조도 지도 또는 실제 고정 타겟을 사용하여 정적 이미지 및 동적 시나리오 모두에 대한 시선 데이터 생성을 가능하게 하기 위해.
• 다양한 샘플링 조건과 노이즈 분포 하에서 눈동자 추적 알고리즘의 강건성 테스트를 지원하기 위해.
• 실제 세계의 변동성과 측정 오차를 반영한 실제와 유사한 합성 눈동자 추적 데이터를 생성하기 위한 유연하고 오픈소스 도구를 제공하기 위해.

제안 방법

• 사용자가 정의한 최대 속도 및 지속 시간 범위를 가진 감마 분포를 사용하여 사카데를 시뮬레이션한다.
• 부드러운 추적의 경우 시그모이드 함수를 사용하여 서서히 시작되며 속도가 변화하는 특성을 모델링한다.
• 시뮬레이션된 눈동자 운동을 시각적 강조도 지도 또는 실제 고정 타겟에 매핑하여 시선 위치를 생성한다.
• 정적 및 동적 샘플링 속도를 모두 지원하며, 실제 눈동자 추적기에서 흔히 발생하는 변동하는 프레임 레이트도 처리할 수 있다.
• 균일분포 및 정규분포를 통한 노이즈 모델링을 도입하여 측정 오차와 진동을 시뮬레이션한다.
• 동일한 파rameter화 프레임워크를 사용하여 실제 눈동자 운동 데이터(고정, 사카데, 부드러운 추적)를 새로운 자극에 재매핑할 수 있다.

실험 결과

연구 질문

• RQ1 변동 가능한 및 변동하는 샘플링 속도 하에서 눈동자 운동 데이터를 어떻게 현실적으로 시뮬레이션할 수 있는가?
• RQ2 사카데 및 부드러운 추적에 대한 시뮬레이션된 속도 프로파일이 실제 눈동자 추적 데이터의 형태와 역학적 특성과 얼마나 유사한가?
• RQ3 시각적 강조도 또는 실제 고정 타겟을 사용할 때 시뮬레이터가 정적 및 동적 시각 자극에 대해 신뢰할 수 있는 시선 시퀀스를 얼마나 효과적으로 생성하는가?
• RQ4 제곱 속도 오차를 사용하여 공개된 실제 눈동자 추적 데이터셋과 비교했을 때 시뮬레이터의 정확도는 어떠한가?
• RQ5 다양하고 현실적인 조건에서 눈동자 추적 소프트웨어 및 시각화 도구의 강건한 테스트와 평가를 위해 시뮬레이터를 사용할 수 있는가?

주요 결과

• 시뮬레이터는 실제 데이터셋에서 낮은 제곱 속도 오차를 기록했으며, 특히 I-BDT 데이터셋(30 Hz 샘플링 속도)에서 사카데에 대해 가장 낮은 오차를 기록했다. 이는 노이즈가 줄어들고 속도 계산이 더 매끄럽기 때문이다.
• 사카데 시뮬레이션에서 높은 오차는 주로 샘플 간 속도 계산 오류와 실제 데이터의 측정 오차에서 기인했으며, 이는 시뮬레이션 모델 자체의 결함이 아니었다.
• 낮은 샘플링 속도 데이터셋(예: I-BDT)에서는 부드러운 추적 시뮬레이션의 오차가 더 높았는데, 이는 30 Hz에서 부드러운 추적의 시작 단계가 잘 포착되지 않기 때문이다. 이는 시뮬레이터가 미세한 역학적 특성을 모델링할 수 있음을 보여준다.
• 비교 시각화를 통해 실제 눈동자 운동 속도 프로파일의 형태와 시점이 잘 재현되었으며(그림 9 참조), 높은 정밀도를 입증했다.
• 이 프레임워크는 정적 및 동적 시나리오 모두에 대한 탄력적인 데이터 생성을 지원하며, 타겟 재매핑을 통해 실제 눈동자 운동 데이터를 새로운 자극에 재사용할 수 있다.
• 균일분포 및 정규분포를 포함한 노이즈 모델과 변동 가능한 샘플링 속도의 통합은 현실성 향상에 기여하며, 눈동자 추적 파이프라인의 강건한 테스트를 가능하게 한다.