論文の概要: Automatic selection of eye tracking variables in visual categorization
in adults and infants
- arxiv url: http://arxiv.org/abs/2010.15047v2
- Date: Thu, 26 Nov 2020 14:56:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 05:56:16.056895
- Title: Automatic selection of eye tracking variables in visual categorization
in adults and infants
- Title（参考訳）: 成人・幼児の視覚分類における眼球追跡変数の自動選択
- Authors: Samuel Rivera, Catherine A. Best, Hyungwook Yim, Dirk B. Walther,
Vladimir M. Sloutsky, Aleix M. Martinez
- Abstract要約: 視覚カテゴリーの非学習者から学習者を識別するために,その有用性の分析に基づいて視線追跡変数を自動選択する手法を提案する。
判別変数の小さな集合を同定する際,これらの手法の間に顕著な一致が認められた。
- 参考スコア（独自算出の注目度）: 0.4194295877935867
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visual categorization and learning of visual categories exhibit early onset,
however the underlying mechanisms of early categorization are not well
understood. The main limiting factor for examining these mechanisms is the
limited duration of infant cooperation (10-15 minutes), which leaves little
room for multiple test trials. With its tight link to visual attention, eye
tracking is a promising method for getting access to the mechanisms of category
learning. But how should researchers decide which aspects of the rich eye
tracking data to focus on? To date, eye tracking variables are generally
handpicked, which may lead to biases in the eye tracking data. Here, we propose
an automated method for selecting eye tracking variables based on analyses of
their usefulness to discriminate learners from non-learners of visual
categories. We presented infants and adults with a category learning task and
tracked their eye movements. We then extracted an over-complete set of eye
tracking variables encompassing durations, probabilities, latencies, and the
order of fixations and saccadic eye movements. We compared three statistical
techniques for identifying those variables among this large set that are useful
for discriminating learners form non-learners: ANOVA ranking, Bayes ranking,
and L1 regularized logistic regression. We found remarkable agreement between
these methods in identifying a small set of discriminant variables. Moreover,
the same eye tracking variables allow us to classify category learners from
non-learners among adults and 6- to 8-month-old infants with accuracies above
71%.
- Abstract（参考訳）: 視覚カテゴリの視覚分類と学習は初期発症を示すが、初期分類の基本的なメカニズムはよく分かっていない。
これらのメカニズムを調べるための主な制限要因は、乳幼児の協力期間(10～15分)であり、複数の試験を行う余地がほとんどない。
視覚的注意に強く結びついているため、視線追跡はカテゴリー学習のメカニズムにアクセスする上で有望な方法である。
しかし、リッチアイトラッキングデータのどの側面にフォーカスするか、研究者はどのように決めるべきか?
これまで、眼球追跡変数は一般に手動選択され、眼球追跡データのバイアスにつながる可能性がある。
本稿では,視覚カテゴリの非学習者から学習者を判別するための有用性の分析に基づいて,視線追跡変数を自動選択する手法を提案する。
乳幼児と成人にカテゴリー学習課題を提示し,眼球運動の追跡を行った。
その後, 持続時間, 確率, 潜時, 固定順, 眼球運動順を含む眼球追跡変数の完全集合を抽出した。
ANOVAランキング,ベイズランキング,L1正規化ロジスティック回帰という,学習者の非学習者の識別に有用な3つの統計手法を比較した。
判別変数の小さな集合を同定する際,これらの手法の間に顕著な一致が認められた。
また、同じ視線追跡変数によって、成人の非学習者や6か月から8ヶ月の幼児から71%以上の確率でカテゴリー学習者を分類できる。
関連論文リスト
- Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - A temporally quantized distribution of pupil diameters as a new feature
for cognitive load classification [1.4469849628263638]
本稿では,瞳孔情報に基づいて認知負荷を分類する新機能を提案する。
瞳孔データから認知負荷を決定する応用は多数あり、燃え尽き症候群の予報システムにつながる可能性がある。
論文 参考訳（メタデータ） (2023-03-03T07:52:16Z) - Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic
Disorders [55.41644538483948]
分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。
従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。
本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
論文 参考訳（メタデータ） (2022-10-23T11:52:57Z) - Visual Knowledge Tracing [26.446317829793454]
本稿では,人間の学習者の進化的分類行動を追跡する新しい課題を提案する。
本研究では,学習者が使用する視覚的特徴を協調的に抽出し,活用する分類機能を予測するモデルを提案する。
以上の結果から,我々の反復モデルでは,3つの課題のある医療画像と種識別タスクに基づいて,人間の学習者の分類行動を予測することが可能であることが示唆された。
論文 参考訳（メタデータ） (2022-07-20T19:24:57Z) - SEGA: Semantic Guided Attention on Visual Prototype for Few-Shot
Learning [85.2093650907943]
機械に新しいカテゴリーを認識させるためのセマンティックガイド注意(SEGA)を提案する。
SEGAは意味的知識を使用して、視覚的特徴に注意を払うべきものについて、トップダウンの方法で視覚的知覚を導く。
セマンティックガイドによる注意は期待された機能を実現し、最先端の結果より優れていることを示す。
論文 参考訳（メタデータ） (2021-11-08T08:03:44Z) - Passive attention in artificial neural networks predicts human visual
selectivity [8.50463394182796]
受動的注意法は人間の視覚的選択性の推定と大きく重なることを示す。
認識実験を用いて,これらの相関関係を因果操作で検証した。
この研究は、人間の視覚のモデルとして、主要なANNの生物学的および心理的妥当性を評価するための新しいアプローチに寄与する。
論文 参考訳（メタデータ） (2021-07-14T21:21:48Z) - CLRGaze: Contrastive Learning of Representations for Eye Movement
Signals [0.0]
眼球運動の特徴ベクトルを自己指導的に学習する。
我々は、対照的な学習アプローチを採用し、深層ニューラルネットワークが顕著な視線パターンと粒度のパターンを識別することを奨励する一連のデータ変換を提案する。
論文 参考訳（メタデータ） (2020-10-25T06:12:06Z) - Classifying Eye-Tracking Data Using Saliency Maps [8.524684315458245]
本稿では,視線追跡データの自動的,定量的分類のための視覚情報に基づく特徴抽出手法を提案する。
サリエンシの振幅、類似度、相違点を対応するアイフィクスマップと比較すると、視覚追跡データを識別するために識別的特徴を生成するために有効に活用される情報の余分な次元が得られる。
論文 参考訳（メタデータ） (2020-10-24T15:18:07Z) - Dataset Bias in Few-shot Image Recognition [57.25445414402398]
まず,基本カテゴリから学習した伝達可能能力の影響について検討する。
第2に、データセット構造と異なる少数ショット学習方法から、異なるデータセットのパフォーマンス差について検討する。
論文 参考訳（メタデータ） (2020-08-18T14:46:23Z) - 1-D Convlutional Neural Networks for the Analysis of Pupil Size
Variations in Scotopic Conditions [79.71065005161566]
1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。
モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
論文 参考訳（メタデータ） (2020-02-06T17:25:37Z) - End-to-End Models for the Analysis of System 1 and System 2 Interactions
based on Eye-Tracking Data [99.00520068425759]
本稿では,よく知られたStroopテストの視覚的修正版において,様々なタスクと潜在的な競合事象を特定するための計算手法を提案する。
統計的分析により、選択された変数は、異なるシナリオにおける注意負荷の変動を特徴付けることができることが示された。
機械学習技術は,異なるタスクを分類精度良く区別できることを示す。
論文 参考訳（メタデータ） (2020-02-03T17:46:13Z)
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。