論文の概要: mEBAL: A Multimodal Database for Eye Blink Detection and Attention Level Estimation

• arxiv url: http://arxiv.org/abs/2006.05327v2
• Date: Thu, 22 Oct 2020 11:11:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 15:30:00.644443
• Title: mEBAL: A Multimodal Database for Eye Blink Detection and Attention Level Estimation
• Title（参考訳）: mEBAL:アイリンク検出とアテンションレベル推定のためのマルチモーダルデータベース
• Authors: Roberto Daza, Aythami Morales, Julian Fierrez, Ruben Tolosana
• Abstract要約: mEBALはアイリンクの検出とアテンションレベル推定のためのマルチモーダルデータベースである。 6,000のサンプルと38人の学生の注意レベルで構成されている。
• 参考スコア（独自算出の注目度）: 17.279661852408335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work presents mEBAL, a multimodal database for eye blink detection and attention level estimation. The eye blink frequency is related to the cognitive activity and automatic detectors of eye blinks have been proposed for many tasks including attention level estimation, analysis of neuro-degenerative diseases, deception recognition, drive fatigue detection, or face anti-spoofing. However, most existing databases and algorithms in this area are limited to experiments involving only a few hundred samples and individual sensors like face cameras. The proposed mEBAL improves previous databases in terms of acquisition sensors and samples. In particular, three different sensors are simultaneously considered: Near Infrared (NIR) and RGB cameras to capture the face gestures and an Electroencephalography (EEG) band to capture the cognitive activity of the user and blinking events. Regarding the size of mEBAL, it comprises 6,000 samples and the corresponding attention level from 38 different students while conducting a number of e-learning tasks of varying difficulty. In addition to presenting mEBAL, we also include preliminary experiments on: i) eye blink detection using Convolutional Neural Networks (CNN) with the facial images, and ii) attention level estimation of the students based on their eye blink frequency.
• Abstract（参考訳）: 本研究は,視線点滅検出と注意レベル推定のためのマルチモーダルデータベースであるmEBALを提案する。 点眼頻度は認知活動と関連しており、注意レベル推定、神経変性疾患の分析、誤認識、運転疲労検出、顔反偽造など多くのタスクに対して、点眼の自動検出が提案されている。 しかし、この分野の既存のデータベースやアルゴリズムのほとんどは、数百のサンプルと顔カメラのような個々のセンサーを含む実験に限られている。 提案するmEBALは,取得センサやサンプルの点から,従来のデータベースを改善している。 特に、顔のジェスチャーを捉えるNear Infrared(NIR)とRGBカメラと、ユーザの認知活動と点滅イベントを捉えるElectroencephalography(EEG)バンドの3つの異なるセンサーが同時に検討されている。 mEBALの規模については,38名の異なる学生から6000名のサンプルとそれに対応する注意レベルを抽出し,難易度の高いeラーニング課題を多数実施した。 mEBALの提示に加えて、以下の予備実験も実施する。 一 顔画像を用いた畳み込みニューラルネットワーク(cnn)による瞬目検出、及び 二 視線点滅頻度に基づく学生の注意レベル推定

関連論文リスト

• mEBAL2 Database and Benchmark: Image-based Multispectral Eyeblink Detection [14.052943954940758]
  本研究は、RGBおよび近赤外(NIR)個々の画像における新しいマルチスペクトルデータベースとアイブリンク検出のための新しいアプローチを導入する。 mEBAL2は、現存する最大のアイリンクデータベースである。 mEBAL2は180人の学生から21,100の画像シーケンスを含んでいる。
  論文  参考訳（メタデータ） (2023-09-14T17:25:25Z)
• MATT: Multimodal Attention Level Estimation for e-learning Platforms [16.407885871027887]
  本研究は,マルチモーダル顔分析に基づくリモートアテンションレベル推定のための新しいマルチモーダルシステムを提案する。 私たちのマルチモーダルアプローチでは、認知負荷のモデル化に関連する行動や生理的プロセスから得られる様々なパラメータと信号を使用します。 mEBALデータベースは、eラーニング環境で得られたアテンションレベル推定のための公共マルチモーダルデータベースである実験フレームワークで使用される。
  論文  参考訳（メタデータ） (2023-01-22T18:18:20Z)
• BI AVAN: Brain inspired Adversarial Visual Attention Network [67.05560966998559]
  機能的脳活動から直接人間の視覚的注意を特徴付ける脳誘発対人視覚注意ネットワーク(BI-AVAN)を提案する。 本モデルは,人間の脳が監督されていない方法で焦点を絞った映画フレーム内の視覚的物体を識別・発見するために,注意関連・無視対象間の偏りのある競合過程を模倣する。
  論文  参考訳（メタデータ） (2022-10-27T22:20:36Z)
• Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
  本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。 提案手法は,同数の視線シフトに対してF1スコアを2～3ポイント増加させる。
  論文  参考訳（メタデータ） (2022-08-24T14:59:28Z)
• A Deep Learning Approach for the Segmentation of Electroencephalography Data in Eye Tracking Applications [56.458448869572294]
  脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。 エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。 我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
  論文  参考訳（メタデータ） (2022-06-17T10:17:24Z)
• Saccade Mechanisms for Image Classification, Object Detection and Tracking [12.751552698602744]
  生体視覚からのササード機構を用いて、ディープニューラルネットワークを分類や物体検出の問題をより効率的にする方法について検討する。 提案手法は、注意駆動型視覚処理とササードのアイデアに基づいており、注意に影響された眼球運動のミニチュア化を図っている。
  論文  参考訳（メタデータ） (2022-06-10T13:50:34Z)
• ALEBk: Feasibility Study of Attention Level Estimation via Blink Detection applied to e-Learning [6.325464216802613]
  オンラインセッションにおける学生の視線点滅率と注意度との関係を実験的に評価した。 その結果, 点眼周波数と注意レベルとの逆相関が示唆された。 本研究は,今後のeラーニングプラットフォームに注目度推定技術を導入するための新しい研究ラインを開設する。
  論文  参考訳（メタデータ） (2021-12-16T19:23:56Z)
• MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
  白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。 近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。 深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
  論文  参考訳（メタデータ） (2021-10-06T08:10:28Z)
• Onfocus Detection: Identifying Individual-Camera Eye Contact from Unconstrained Images [81.64699115587167]
  Onfocus Detectionは、カメラが捉えた個人の焦点がカメラにあるかどうかを特定することを目的としている。 OnFocus Detection In the Wild (OFDIW) と呼ばれる大規模なオンフォーカス検出データセットを構築しました。 本研究では,視線干渉推論ネットワーク (ECIIN) を用いた眼球深度検出モデルを提案する。
  論文  参考訳（メタデータ） (2021-03-29T03:29:09Z)
• Generalized Iris Presentation Attack Detection Algorithm under Cross-Database Settings [63.90855798947425]
  プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。 本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。 これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
  論文  参考訳（メタデータ） (2020-10-25T22:42:27Z)

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。