論文の概要: Bridging the Gap: Gaze Events as Interpretable Concepts to Explain Deep
Neural Sequence Models
- arxiv url: http://arxiv.org/abs/2304.13536v1
- Date: Wed, 12 Apr 2023 10:15:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-30 07:20:04.726211
- Title: Bridging the Gap: Gaze Events as Interpretable Concepts to Explain Deep
Neural Sequence Models
- Title(参考訳): ギャップをブリッジする: 深いニューラルシーケンスモデルを説明するための解釈可能な概念としてのギャップイベント
- Authors: Daniel G. Krakowczyk, Paul Prasse, David R. Reich, Sebastian
Lapuschkin, Tobias Scheffer, Lena A. J\"ager
- Abstract要約: 本研究では,固定およびサケードに確立された視線事象検出アルゴリズムを用いる。
これらの事象が与える影響を定量的に評価し,その概念的影響を判断する。
- 参考スコア(独自算出の注目度): 0.7829352305480283
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent work in XAI for eye tracking data has evaluated the suitability of
feature attribution methods to explain the output of deep neural sequence
models for the task of oculomotric biometric identification. These methods
provide saliency maps to highlight important input features of a specific eye
gaze sequence. However, to date, its localization analysis has been lacking a
quantitative approach across entire datasets. In this work, we employ
established gaze event detection algorithms for fixations and saccades and
quantitatively evaluate the impact of these events by determining their concept
influence. Input features that belong to saccades are shown to be substantially
more important than features that belong to fixations. By dissecting saccade
events into sub-events, we are able to show that gaze samples that are close to
the saccadic peak velocity are most influential. We further investigate the
effect of event properties like saccadic amplitude or fixational dispersion on
the resulting concept influence.
- Abstract(参考訳): 眼追跡データのためのxaiの最近の研究は、眼科生体認証タスクのための深層神経シーケンスモデルの出力を説明するための特徴帰属法の適合性を評価している。
これらの方法は、特定の視線シーケンスの重要な入力特徴を強調するために、唾液度マップを提供する。
しかし、これまでは、そのローカライゼーション分析はデータセット全体にわたって定量的アプローチを欠いていた。
本研究では,確立された視線イベント検出アルゴリズムを用いて固定とサッケードを行い,それらの影響を定量的に評価する。
saccadesに属する入力機能は、固定に属する機能よりも実質的に重要であることが示されている。
サッケード現象をサブイベントに分解することで、サッケードピーク速度に近い視線サンプルが最も影響があることを示すことができる。
さらに,サスカディック振幅や固定分散などの事象特性が概念的影響に及ぼす影響について検討した。
関連論文リスト
- Sequential Attention Source Identification Based on Feature
Representation [88.05527934953311]
本稿では,テンポラルシーケンスに基づくグラフ注意源同定(TGASI)と呼ばれるシーケンス・ツー・シーケンス・ベースのローカライズ・フレームワークを提案する。
なお、このインダクティブラーニングのアイデアは、TGASIが他の事前の知識を知らずに新しいシナリオのソースを検出できることを保証する。
論文 参考訳(メタデータ) (2023-06-28T03:00:28Z) - Deep graph kernel point processes [19.382241594513374]
本稿では,グラフ上の離散的なイベントデータに対する新たなポイントプロセスモデルを提案する。
キーとなるアイデアは、グラフニューラルネットワーク(GNN)による影響カーネルを表現して、基盤となるグラフ構造をキャプチャすることだ。
ニューラルネットワークを用いた条件強度関数を直接モデル化することに焦点を当てた以前の研究と比較して、カーネルのプレゼンテーションでは、繰り返し発生する事象の影響パターンをより効果的に表現している。
論文 参考訳(メタデータ) (2023-06-20T06:15:19Z) - Graph Neural Processes for Spatio-Temporal Extrapolation [36.01312116818714]
グラフ内の周囲のコンテキストから対象地点のデータを生成する補間時間プロセスのタスクについて検討する。
既存の手法では、ニューラルネットワークのような学習に精通したモデルや、ガウスのような統計的アプローチが使用されている。
本稿では,これらの機能を同時に制御するニューラル潜在変数モデルであるスポースグラフニューラル・プロセス(STGNP)を提案する。
論文 参考訳(メタデータ) (2023-05-30T03:55:37Z) - LatentGaze: Cross-Domain Gaze Estimation through Gaze-Aware Analytic
Latent Code Manipulation [0.0]
本稿では,データ駆動型手法を応用した視線認識型解析操作手法を提案する。
GANベースのエンコーダジェネレータプロセスを利用することで、入力画像がターゲット領域からソース領域イメージにシフトし、視線推定器が十分に認識できる。
論文 参考訳(メタデータ) (2022-09-21T08:05:53Z) - 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) - Probabilistic Tracking with Deep Factors [8.030212474745879]
因子グラフに基づく確率的追跡フレームワークにおける特徴量に対する生成密度と組み合わせたディープ・フィーチャー・エンコーディングの使い方を示す。
本稿では,学習した特徴エンコーダと生成密度を組み合わせる可能性モデルを提案する。
論文 参考訳(メタデータ) (2021-12-02T21:31:51Z) - Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。
本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。
シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文 参考訳(メタデータ) (2021-09-06T13:10:37Z) - What Image Features Boost Housing Market Predictions? [81.32205133298254]
本稿では,予測アルゴリズムにおける効率的な数値包摂のための視覚特徴抽出手法を提案する。
本稿では,シャノンのエントロピー,重心計算,画像分割,畳み込みニューラルネットワークなどの手法について論じる。
ここで選択された40の画像特徴のセットは、かなりの量の予測能力を持ち、最も強力なメタデータ予測器よりも優れています。
論文 参考訳(メタデータ) (2021-07-15T06:32:10Z) - 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) - Towards Deeper Graph Neural Networks [63.46470695525957]
グラフ畳み込みは近傍の集約を行い、最も重要なグラフ操作の1つである。
いくつかの最近の研究で、この性能劣化は過度に滑らかな問題に起因している。
本研究では,大きな受容領域からの情報を適応的に組み込むディープ適応グラフニューラルネットワーク(DAGNN)を提案する。
論文 参考訳(メタデータ) (2020-07-18T01:11:14Z) - Wave Propagation of Visual Stimuli in Focus of Attention [77.4747032928547]
周囲の視覚環境の変化に対する迅速な反応は、計算資源を視覚領域の最も関連する場所に再配置する効率的な注意機構を必要とする。
本研究は, 営巣動物が提示する有効性と効率性を示す, 生物学的に有望な注目焦点モデルを提案する。
論文 参考訳(メタデータ) (2020-06-19T09:33:21Z)
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。