論文の概要: One step closer to EEG based eye tracking
- arxiv url: http://arxiv.org/abs/2303.06039v1
- Date: Fri, 3 Mar 2023 07:55:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-19 11:56:05.013932
- Title: One step closer to EEG based eye tracking
- Title（参考訳）: 脳波による視線追跡に一歩近づいた
- Authors: Wolfgang Fuhl and Susanne Zabel and Theresa Harbig and Julia Astrid
Moldt and Teresa Festl Wiete and Anne Herrmann Werner and Kay Nieselt
- Abstract要約: 脳波データを用いて視線位置を直接決定できる新しいディープニューラルネットワーク(DNN)を提案する。
我々は,脳波信号から直接視線決定を3.5cm MAEで行う場合と比較して改善する。
- 参考スコア（独自算出の注目度）: 1.4469849628263638
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present two approaches and algorithms that adapt areas of
interest We present a new deep neural network (DNN) that can be used to
directly determine gaze position using EEG data. EEG-based eye tracking is a
new and difficult research topic in the field of eye tracking, but it provides
an alternative to image-based eye tracking with an input data set comparable to
conventional image processing. The presented DNN exploits spatial dependencies
of the EEG signal and uses convolutions similar to spatial filtering, which is
used for preprocessing EEG signals. By this, we improve the direct gaze
determination from the EEG signal compared to the state of the art by 3.5 cm
MAE (Mean absolute error), but unfortunately still do not achieve a directly
applicable system, since the inaccuracy is still significantly higher compared
to image-based eye trackers.
Link:
https://es-cloud.cs.uni-tuebingen.de/d/8e2ab8c3fdd444e1a135/?p=%2FEEGGaze&mode=list
- Abstract（参考訳）: 本稿では,興味領域を適応させる2つのアプローチとアルゴリズムを提案する。本論文では脳波データを用いて視線位置を直接決定できる新しい深層ニューラルネットワーク(dnn)を提案する。
脳波に基づく視線追跡は、視線追跡の分野で新しくて難しい研究トピックであるが、従来の画像処理に匹敵する入力データセットを備えた画像ベースの視線追跡の代替を提供する。
提案したDNNは、EEG信号の空間依存性を利用して、EEG信号の前処理に使用される空間フィルタリングに似た畳み込みを使用する。
これにより、脳波信号からの直接視線判定を3.5cm MAE(平均絶対誤差)と比較して改善するが、画像ベースのアイトラッカーに比べて精度が著しく高いため、残念ながら直接適用できない。
リンク: https://es-cloud.cs.uni-tuebingen.de/8e2ab8c3fdd444e1a135/?
p=%2FEEGGaze&mode=list
関連論文リスト
- Mind's Eye: Image Recognition by EEG via Multimodal Similarity-Keeping Contrastive Learning [2.087148326341881]
本稿では,ゼロショット脳波画像分類のためのMUltimodal similarity-keeper contrastivE学習フレームワークを提案する。
我々は、脳波信号に適した多変量時系列エンコーダを開発し、正規化コントラスト脳波画像事前学習の有効性を評価する。
本手法は,200方向ゼロショット画像分類において,トップ1の精度が19.3%,トップ5の精度が48.8%の最先端性能を実現する。
論文 参考訳（メタデータ） (2024-06-05T16:42:23Z) - Spatiotemporal Pooling on Appropriate Topological Maps Represented as
Two-Dimensional Images for EEG Classification [0.0]
脳波(EEG)信号に基づく運動分類は、脳-コンピュータインターフェースの最も重要な応用の1つである。
本研究では,脳波を用いた3つの特徴を持つ新しい運動画像分類法を提案する。
PhysioNet EEG Movement Motor/Imageryデータセットを用いた実験の結果、提案手法は88.57%の最適分類精度を達成した。
論文 参考訳（メタデータ） (2024-03-07T09:35:49Z) - GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。
公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。
我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
論文 参考訳（メタデータ） (2024-02-03T03:13:50Z) - Model-aware 3D Eye Gaze from Weak and Few-shot Supervisions [60.360919642038]
本稿では,眼意味分類マスクの弱い監督と数個の3次元視線ベクトルの直接監督から3次元視線を予測することを提案する。
多様な環境下での実験では,提案手法の利点が示され,ベースラインの角度誤差が約5度低くなった。
論文 参考訳（メタデータ） (2023-11-20T20:22:55Z) - DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial
Attention Detection [49.196182908826565]
AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。
現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。
本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
論文 参考訳（メタデータ） (2023-09-07T13:43:46Z) - Decoding Natural Images from EEG for Object Recognition [8.411976038504589]
本稿では,脳波信号からの学習画像表現の実現可能性を示すための自己教師型フレームワークを提案する。
我々はトップ1の精度を15.6%、トップ5の精度を42.8%で達成し、200ウェイゼロショットタスクに挑戦する。
これらの発見は、実世界のシナリオにおける神経復号と脳-コンピュータインタフェースの貴重な洞察をもたらす。
論文 参考訳（メタデータ） (2023-08-25T08:05:37Z) - 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) - Transformer-based Spatial-Temporal Feature Learning for EEG Decoding [4.8276709243429]
本稿では,主に注意機構に依存する新しい脳波復号法を提案する。
我々はより少ないパラメータで、脳波の多分類化における最先端のレベルに達しました。
脳-コンピュータインタフェース(BCI)の実用性を促進する大きな可能性を秘めている。
論文 参考訳（メタデータ） (2021-06-11T00:48:18Z) - Dynamic Graph Modeling of Simultaneous EEG and Eye-tracking Data for
Reading Task Identification [79.41619843969347]
我々は、脳波(EEG)と眼球運動(EM)データからヒトの読取意図を特定するための新しいアプローチAdaGTCNを提案する。
本稿では,AdaGTCN(Adaptive Graph Temporal Convolution Network)の手法として,Adaptive Graph Learning LayerとDeep Neighborhood Graph Convolution Layerを用いた。
このアプローチといくつかのベースラインを比較し、ZuCo 2.0データセットの6.29%の改善と広範なアブレーション実験を報告します。
論文 参考訳（メタデータ） (2021-02-21T18:19:49Z) - Deep learning denoising for EOG artifacts removal from EEG signals [0.5243460995467893]
脳波の偏光過程における最も難しい問題のひとつは、眼のアーチファクトを除去することである。
本稿では,この課題に対処する深層学習モデルを構築・訓練し,眼のアーチファクトを効果的に除去する。
我々は3つの異なるスキームを提案し、U-NETベースのモデルで汚染された脳波信号の浄化を学ばせた。
論文 参考訳（メタデータ） (2020-09-12T23:28:12Z) - Towards End-to-end Video-based Eye-Tracking [50.0630362419371]
画像のみから視線を推定することは、観察不可能な人固有の要因のために難しい課題である。
本稿では,これらの意味的関係と時間的関係を明確に学習することを目的とした,新しいデータセットとアタッチメント手法を提案する。
視覚刺激からの情報と視線画像の融合が,文献に記録された人物と同じような性能を達成することにつながることを実証した。
論文 参考訳（メタデータ） (2020-07-26T12:39:15Z)
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。