Fugu-MT 論文翻訳(概要): Eye-gaze Estimation with HEOG and Neck EMG using Deep Neural Networks

論文の概要: Eye-gaze Estimation with HEOG and Neck EMG using Deep Neural Networks

arxiv url: http://arxiv.org/abs/2103.02186v1
Date: Wed, 3 Mar 2021 05:21:01 GMT
ステータス: 処理完了
システム内更新日: 2021-03-04 14:47:20.406229
Title: Eye-gaze Estimation with HEOG and Neck EMG using Deep Neural Networks
Title（参考訳）: 深部ニューラルネットワークを用いたHEOGとネックEMGによる視線推定
Authors: Zhen Fu, Bo Wang, Fei Chen, Xihong Wu, Jing Chen
Abstract要約: eye-gazeのステアリングには、リスナーがターゲットを目視する必要がある。既存の眼球運動推定法は確実には機能しなかった。非接触波形から特徴を自動的に抽出するディープニューラルネットワーク(DNN)を導入しました。
参考スコア（独自算出の注目度）: 20.72995390688104
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Hearing-impaired listeners usually have troubles attending target talker in multi-talker scenes, even with hearing aids (HAs). The problem can be solved with eye-gaze steering HAs, which requires listeners eye-gazing on the target. In a situation where head rotates, eye-gaze is subject to both behaviors of saccade and head rotation. However, existing methods of eye-gaze estimation did not work reliably, since the listener's strategy of eye-gaze varies and measurements of the two behaviors were not properly combined. Besides, existing methods were based on hand-craft features, which could overlook some important information. In this paper, a head-fixed and a head-free experiments were conducted. We used horizontal electrooculography (HEOG) and neck electromyography (NEMG), which separately measured saccade and head rotation to commonly estimate eye-gaze. Besides traditional classifier and hand-craft features, deep neural networks (DNN) were introduced to automatically extract features from intact waveforms. Evaluation results showed that when the input was HEOG with inertial measurement unit, the best performance of our proposed DNN classifiers achieved 93.3%; and when HEOG was with NEMG together, the accuracy reached 72.6%, higher than that with HEOG (about 71.0%) or NEMG (about 35.7%) alone. These results indicated the feasibility to estimate eye-gaze with HEOG and NEMG.
Abstract（参考訳）: 聴覚障害のあるリスナーは通常、補聴器(has)でさえ、マルチトーカーシーンでターゲット・トーカーに参加するのに苦労する。この問題は、リスナーがターゲットを目視する必要があるアイゲイズステアリングHAで解決することができます。頭部が回転する状況では、眼球運動はササードと頭部の回転の両方の挙動を受ける。しかし,既存の視線推定法は眼球運動に対するリスナーの戦略が異なり,2つの行動が適切に組み合わせられていないため,確実には機能しなかった。また、既存の手法は手作りの機能に基づいており、重要な情報を見落としていた。本論文では,ヘッド固定とヘッドフリーの実験を行った。水平筋電図 (HEOG) と頸部筋電図 (NEMG) を用い, 眼球運動と頭回転を別々に測定した。従来の分類器と手作業の機能に加えて、DNN(Deep Neural Network)が導入され、不整形波形から特徴を自動的に抽出する。評価の結果,慣性測定装置を用いたHEOGでは,提案したDNN分類器の最高性能は93.3%であり,HEOGとNEMGを併用した場合の精度は72.6%に達し,HEOG(約71.0%)やNEMG(約35.7%)よりも高かった。これらの結果から,HEOGとNEMGで視線を推定できる可能性が示唆された。

関連論文リスト

Spiking Graph Neural Network on Riemannian Manifolds [51.15400848660023]
グラフニューラルネットワーク(GNN)は、グラフの学習において支配的なソリューションとなっている。既存のスパイク GNN はユークリッド空間のグラフを考慮し、構造幾何学を無視している。マニフォールド値スパイキングGNN(MSG)を提案する。 MSGは従来のGNNよりも優れた性能とエネルギー効率を実現している。
論文参考訳（メタデータ） (2024-10-23T15:09:02Z)
Graph Neural Networks: A suitable Alternative to MLPs in Latent 3D Medical Image Classification? [2.2676266274238186]
本稿では3次元医用画像分類のための予測ヘッドの代替としてグラフニューラルネットワーク(GNN)を提案する。以上の結果から,GNNの分類性能の向上と,実行時の堅牢性の向上が示唆された。さらなる評価により、GNNの有望な性能が検証され、従来の分類ヘッドに代わるものとして推奨される。
論文参考訳（メタデータ） (2024-07-24T12:19:39Z)
Supporting Mitosis Detection AI Training with Inter-Observer Eye-Gaze Consistencies [11.932283366786121]
本研究では、医師の行動データをAIトレーニングのために収集する費用対効果技術としての視線追跡について検討する。視線データを使用する際の大きな課題の1つは、意味のある情報の抽出を妨げる低信号対雑音比である。
論文参考訳（メタデータ） (2024-04-02T05:57:35Z)
Pose2Gaze: Eye-body Coordination during Daily Activities for Gaze Prediction from Full-body Poses [11.545286742778977]
まず、様々な人・物・人・人のインタラクション活動における眼・体の協調に関する包括的分析を報告する。次に、畳み込みニューラルネットワークを用いて、頭部と全身のポーズから特徴を抽出する眼球運動調整モデルPose2Gazeを紹介する。
論文参考訳（メタデータ） (2023-12-19T10:55:46Z)
GazeGNN: A Gaze-Guided Graph Neural Network for Chest X-ray Classification [9.266556662553345]
本稿では,視線誘導型グラフニューラルネットワークGazeGNNを提案する。本研究では,本論文で初めてリアルタイム・リアルタイム・エンド・ツー・エンド病の分類アルゴリズムを開発した。
論文参考訳（メタデータ） (2023-05-29T17:01:54Z)
Are Macula or Optic Nerve Head Structures better at Diagnosing Glaucoma? An Answer using AI and Wide-Field Optical Coherence Tomography [48.7576911714538]
我々は3次元広視野CTスキャンで視神経頭部(ONH)と黄斑構造を自動的に分割する深層学習アルゴリズムを開発した。分類アルゴリズムにより,ONHおよび黄斑組織を0.94$pm$0.003のDCで分画することができた。これにより3次元広視野CTスキャンが主流となる可能性がある。
論文参考訳（メタデータ） (2022-10-13T01:51:29Z)
AI-based Clinical Assessment of Optic Nerve Head Robustness Superseding Biomechanical Testing [54.306443917863355]
我々は,ONHの1つのOCTスキャンからのみ,与えられたONHの堅牢性を評価することができるAI駆動型アプローチを提案する。縦断的研究は、ONHの頑健さが高速な視野障害進行因子の同定に役立つかどうかを確かめるべきである。
論文参考訳（メタデータ） (2022-06-09T11:29:28Z)
Medical Application of Geometric Deep Learning for the Diagnosis of Glaucoma [60.42955087779866]
シンガポール国立眼科における視神経頭部の3DスキャンをSpectralis OCTで477緑内障と2,296名の非緑内障患者に対して行った。全巻は、ディープラーニングを用いて自動的にセグメンテーションされ、7つの主要な神経組織と結合組織が識別された。ポイントネットは、3Dポイントクラウドとして表されるONHのみから頑健な緑内障の診断を行うことができた。
論文参考訳（メタデータ） (2022-04-14T14:55:25Z)
Geometric Deep Learning to Identify the Critical 3D Structural Features of the Optic Nerve Head for Glaucoma Diagnosis [52.06403518904579]
視神経頭(ONH)は緑内障の発生・進展過程において複雑で深い3次元形態変化を呈する。我々は3D ONH点群から緑内障の診断にPointNetと動的グラフ畳み込みニューラルネットワーク(DGCNN)を用いた。幅広い眼科疾患の診断・予後に臨床応用される可能性も高い。
論文参考訳（メタデータ） (2022-04-14T12:52:10Z)
An Adversarial Human Pose Estimation Network Injected with Graph Structure [75.08618278188209]
本稿では,いくつかの関節が見えない場合に,可視関節の局所化精度を向上させるために,新しいGAN(Generative Adversarial Network)を設計する。ネットワークは、2つのシンプルで効率的なモジュール、カスケード機能ネットワーク(CFN)とグラフ構造ネットワーク(GSN)で構成されています。
論文参考訳（メタデータ） (2021-03-29T12:07:08Z)
Facial movement synergies and Action Unit detection from distal wearable Electromyography and Computer Vision [1.9901540902095132]
遠位顔面筋電図は、適切な精度で笑顔や顔を検出できる。しかし,筋電図計測では顔面運動の正確な原因が不明であることが示唆された。本稿では、顔面遠位筋電図とコンピュータビジョンから特定の顔行動単位(AU)を推定する新しい手法を提案する。
論文参考訳（メタデータ） (2020-08-20T06:09:03Z)

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。