[論文レビュー] 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)|Aug 27, 2018

Gaze Tracking and Assistive Technology参考文献 19被引用数 36

ひとこと要約

本論文は、ガンマ分布およびシグモイド分布をそれぞれ用いて、固定、スアッセ、スムーズプルースの各運動をリアルな速度プロファイルおよび視線シーケンスを生成する、新規の眼動画像シミュレータを提示する。本シミュレータは可変かつ変動するサンプリングレートをサポートし、サリエンシーマップや実際の視線注視点を統合可能であり、公開データセットを用いた正確なシミュレーションと誤差評価を通じて、眼動画像ソフトウェアの堅牢な評価を可能にする。

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.

研究の動機と目的

• 眼動画像ソフトウェアおよび可視化技術の評価に向けた、堅牢で柔軟な眼動画像シミュレーションツールの不足を是正すること。
• 一定のサンプリングレートを仮定し、リアルなノイズモデルを欠如させる既存のシミュレータの制限を克服すること。
• サリエンシーマップまたは実際の視線注視点を用いて、静的画像および動的シーンの両方の視線データ生成を可能にすること。
• 変動するサンプリング条件およびノイズ分布下での眼動画像アルゴリズムの耐性テストを支援すること。
• 現実世界のばらつきおよび測定誤差を模倣する、柔軟でオープンソースの合成眼動画像データ生成ツールを提供すること。

提案手法

• ユーザーが定義したピーク速度および継続時間範囲を用いて、ガンマ分布を用いた速度プロファイルでスアッセをシミュレートする。
• スムーズプルースをシグモイド関数でモデル化し、徐々に増加する開始および速度変化を表現する。
• シミュレートされた眼動画像をサリエンシーマップまたは実際の視線注視点にマッピングすることで、視線位置を生成する。
• 静的および動的サンプリングレートの両方をサポートし、実際の眼動画像トラッカーで一般的な変動するフレームレートに対応する。
• 一様分布および正規分布によるノイズモデルを導入し、測定誤差およびジャイタを模倣する。
• 同じパrameter化フレームワークを用いて、実際の眼動画像データ（固定、スアッセ、スムーズプルース）を新しい刺激に再マッピングすることを可能にする。

実験結果

リサーチクエスチョン

• RQ1 可変的かつ変動するサンプリングレート下で、どのようにして眼動画像データをリアルにシミュレートできるか？
• RQ2 スアッセおよびスムーズプルースのシミュレートされた速度プロファイルが、実際の眼動画像データの形状およびダイナミクスとどの程度一致するか？
• RQ3 サリエンシーマップまたは実際の視線注視点を用いた場合、このシミュレータは静的および動的視覚刺激に対して妥当な視線シーケンスをどの程度効果的に生成できるか？
• RQ4 平方速度誤差を用いて公開済みの実眼動画像データセットと比較した場合、このシミュレータの正確性はどの程度か？
• RQ5 このシミュレータは、多様で現実的な条件下で、眼動画像ソフトウェアおよび可視化ツールの堅牢なテストおよび評価に使用可能か？

主な発見

• 本シミュレータは、実データセットにおいて低い平方速度誤差を達成した。特に、30 Hzのサンプリングレートを有するI-BDTデータセットのスアッセで最小誤差が観測された。これはノイズが低減され、速度計算が滑らかだったためである。
• スアッセのシミュレーションで高い誤差が生じた主な要因は、サンプル間の速度計算アーチファクトおよび実データにおける測定誤差であり、シミュレーションモデル自体の欠陥によるものではなかった。
• スムーズプルースのシミュレーションでは、低サンプリングレートのデータセット（例：I-BDT）で誤差が高くなった。これは30 Hzでスムーズプルースの開始がうまく捉えられていないためであり、本シミュレータが微細なダイナミクスをモデル化できる能力を示している。
• 視覚的比較により、実データ（図9）と照らし合わせて、本シミュレータは実際の眼動画像速度プロファイルの形状およびタイミングを的確に再現していることが確認された。これは高い忠実度を示している。
• 本フレームワークは、静的および動的シーンの両方における柔軟なデータ生成を可能にし、同じパrameter化フレームワークを用いて実際の眼動画像データを新しい刺激に再利用可能にした。
• 一様分布および正規分布によるノイズモデルの導入に加え、可変サンプリングレートのサポートにより、リアルなシナリオの再現性が向上し、眼動画像パイプラインの堅牢なテストが可能になった。