論文の概要: Learning Efficient Representations of Mouse Movements to Predict User
Attention
- arxiv url: http://arxiv.org/abs/2006.01644v1
- Date: Sat, 30 May 2020 09:52:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 17:52:18.986707
- Title: Learning Efficient Representations of Mouse Movements to Predict User
Attention
- Title(参考訳): マウス運動の効率的な表現を学習してユーザの注意を喚起する
- Authors: Ioannis Arapakis and Luis A. Leiva
- Abstract要約: 本研究では,時系列,熱マップ,軌跡に基づく画像など,マウスのカーソル運動の異なる表現について検討する。
私たちは、ユーザの注意をディスプレイに直接向けられるように、リカレントニューラルネットワークと畳み込みニューラルネットワークの両方を構築し、コントラストします。
我々のモデルは生のマウスカーソルデータに基づいて訓練され、競争力を発揮する。
- 参考スコア(独自算出の注目度): 12.259552039796027
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tracking mouse cursor movements can be used to predict user attention on
heterogeneous page layouts like SERPs. So far, previous work has relied heavily
on handcrafted features, which is a time-consuming approach that often requires
domain expertise. We investigate different representations of mouse cursor
movements, including time series, heatmaps, and trajectory-based images, to
build and contrast both recurrent and convolutional neural networks that can
predict user attention to direct displays, such as SERP advertisements. Our
models are trained over raw mouse cursor data and achieve competitive
performance. We conclude that neural network models should be adopted for
downstream tasks involving mouse cursor movements, since they can provide an
invaluable implicit feedback signal for re-ranking and evaluation.
- Abstract(参考訳): マウスカーソルの動きを追跡することで、SERPのような異種ページレイアウトでユーザの注意を予測できる。
これまでの作業は手作りの機能に大きく依存しており、ドメインの専門知識を必要とする場合が多い。
時系列や熱マップ,トラジェクトリに基づく画像など,マウスカーソルの動きの異なる表現について検討し,SERP広告などの直接表示へのユーザの注意を予測できる再帰型ニューラルネットワークと畳み込み型ニューラルネットワークの構築と対比を行う。
我々のモデルは生のマウスカーソルデータに基づいて訓練され、競争力を発揮する。
ニューラルネットワークモデルは、マウスのカーソルの動きを含む下流タスクに採用されるべきであると結論付けている。
関連論文リスト
- DyG-Mamba: Continuous State Space Modeling on Dynamic Graphs [59.434893231950205]
動的グラフ学習は、現実世界のシステムにおける進化の法則を明らかにすることを目的としている。
動的グラフ学習のための新しい連続状態空間モデルDyG-Mambaを提案する。
我々はDyG-Mambaがほとんどのデータセットで最先端のパフォーマンスを達成することを示す。
論文 参考訳(メタデータ) (2024-08-13T15:21:46Z) - Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。
我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文 参考訳(メタデータ) (2024-05-15T20:41:46Z) - The Sensorium competition on predicting large-scale mouse primary visual
cortex activity [28.272130531998936]
本稿では,マウス視覚システムの最先端モデルを特定するために,Sensiumベンチマークコンペティションを提案する。
28,000以上のニューロンの反応を含むマウス一次視覚野から大規模なデータセットを収集した。
ベンチマークの課題は、保持されたテストセット上での神経反応の予測性能に基づいて、モデルをランク付けする。
論文 参考訳(メタデータ) (2022-06-17T10:09:57Z) - SATBench: Benchmarking the speed-accuracy tradeoff in object recognition
by humans and dynamic neural networks [0.45438205344305216]
人々はスピードと正確さの間の柔軟なトレードオフを示しています。
ImageNet画像の認識において、SAT(Speed-accuracy Tradeoff)の最初の大規模データセットを示す。
我々は,曲線適合誤差,カテゴリー相関,曲線急勾配について,人とのネットワークを比較した。
論文 参考訳(メタデータ) (2022-06-16T20:03:31Z) - Multi-level Motion Attention for Human Motion Prediction [132.29963836262394]
本研究は, 関節, 身体部分, フルポーズレベルなど, 異なる種類の注意力の使用について検討した。
我々は,Human3.6M,AMASS,3DPWを用いて,周期的および非周期的両方の行動に対するアプローチの利点を検証した。
論文 参考訳(メタデータ) (2021-06-17T08:08:11Z) - From Hand-Perspective Visual Information to Grasp Type Probabilities:
Deep Learning via Ranking Labels [6.772076545800592]
Plackett-Luceモデルに基づいた新しい確率分類器を構築し、把握上の確率分布を予測する。
提案モデルは,最もポピュラーで生産性の高い畳み込みニューラルネットワークフレームワークに適用可能であることを示す。
論文 参考訳(メタデータ) (2021-03-08T16:12:38Z) - Query Abandonment Prediction with Recurrent Neural Models of Mouse
Cursor Movements [10.088906689243768]
マウスのカーソル運動は,良し悪しの放棄を識別する価値のある,低コストな行動信号となる。
検索結果は、クリックせずにクエリに対するユーザの満足度を判断し、最終的に検索エンジンのパフォーマンスをよりよく理解するのに役立ちます。
論文 参考訳(メタデータ) (2021-01-22T11:57:04Z) - Structured Context Enhancement Network for Mouse Pose Estimation [16.95848000851908]
我々は、新しいHourglass Networkベースモデル、すなわち、グラフィカルモデルに基づく構造化コンテキスト拡張ネットワーク(GM-SCENet)を提案する。
SCMは、新しいグラフィカルモデルにより、提案した各マウス部分の構造的コンテキスト情報を適応的に学習し、強化することができる。
CMLSモジュールは、マルチレベル情報を生成することにより、提案するSCMとHourglassネットワークを共同でトレーニングするように設計されている。
論文 参考訳(メタデータ) (2020-12-01T16:50:19Z) - History Repeats Itself: Human Motion Prediction via Motion Attention [81.94175022575966]
注意に基づくフィードフォワードネットワークを導入し、人間の動きが自分自身を繰り返す傾向にあるという観察を明示的に活用する。
特に,現在動きのコンテキストと過去の動きのサブシーケンスの類似性を捉えるために,動きの注意を抽出することを提案する。
我々は,Human3.6M,AMASS,3DPWを用いて,周期的および非周期的両方の行動に対するアプローチの利点を実証した。
論文 参考訳(メタデータ) (2020-07-23T02:12:27Z) - BeCAPTCHA-Mouse: Synthetic Mouse Trajectories and Improved Bot Detection [78.11535724645702]
本稿では,マウスの神経運動モデルに基づくボット検出器BeCAPTCHA-Mouseを提案する。
BeCAPTCHA-Mouseは、1つのマウス軌道だけで、平均93%の精度で高実在性のボット軌道を検出することができる。
論文 参考訳(メタデータ) (2020-05-02T17:40:49Z) - ArTIST: Autoregressive Trajectory Inpainting and Scoring for Tracking [80.02322563402758]
オンラインマルチオブジェクトトラッキング(MOT)フレームワークの中核的なコンポーネントの1つは、既存のトラックレットと新しい検出を関連付けることである。
そこで我々は,トラックレットが自然運動を表す可能性を直接測定することにより,トラックレットの提案を評価する確率論的自己回帰生成モデルを提案する。
論文 参考訳(メタデータ) (2020-04-16T06:43:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。