論文の概要: Webcam-based Pupil Diameter Prediction Benefits from Upscaling

• arxiv url: http://arxiv.org/abs/2408.10397v2
• Date: Sun, 22 Dec 2024 19:35:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 15:52:56.002358
• Title: Webcam-based Pupil Diameter Prediction Benefits from Upscaling
• Title（参考訳）: アップスケーリングによるウェブカメラによる瞳孔径予測
• Authors: Vijul Shah, Brian B. Moser, Ko Watanabe, Andreas Dengel,
• Abstract要約: 本研究では,バイコビックから高度超解像まで,様々なアップスケーリング手法が瞳孔径予測に与える影響について検討した。 以上の結果から,大規模データセットで訓練した瞳孔径予測モデルは,選択したアップスケーリング手法やスケールに非常に敏感であることが示唆された。
• 参考スコア（独自算出の注目度）: 6.298516754485939
• License:
• Abstract: Capturing pupil diameter is essential for assessing psychological and physiological states such as stress levels and cognitive load. However, the low resolution of images in eye datasets often hampers precise measurement. This study evaluates the impact of various upscaling methods, ranging from bicubic interpolation to advanced super-resolution, on pupil diameter predictions. We compare several pre-trained methods, including CodeFormer, GFPGAN, Real-ESRGAN, HAT, and SRResNet. Our findings suggest that pupil diameter prediction models trained on upscaled datasets are highly sensitive to the selected upscaling method and scale. Our results demonstrate that upscaling methods consistently enhance the accuracy of pupil diameter prediction models, highlighting the importance of upscaling in pupilometry. Overall, our work provides valuable insights for selecting upscaling techniques, paving the way for more accurate assessments in psychological and physiological research.
• Abstract（参考訳）: 瞳孔径の取得は、ストレスレベルや認知負荷などの心理的および生理的状態を評価するために不可欠である。 しかし、眼のデータセットにおける画像の解像度の低さは、しばしば正確な測定を妨げている。 本研究では,バイコビック補間から高度超解像まで,様々なアップスケーリング手法が瞳孔径予測に及ぼす影響について検討した。 我々は,CodeFormer,GFPGAN,Real-ESRGAN,HAT,SRResNetなどの事前学習手法を比較した。 以上の結果から,大規模データセットで訓練した瞳孔径予測モデルは,選択したアップスケーリング手法やスケールに非常に敏感であることが示唆された。 以上の結果から, 瞳孔径予測モデルの精度を常に向上させ, 瞳孔計におけるアップスケーリングの重要性を浮き彫りにした。 全体として、我々の研究は、アップスケーリングテクニックの選択、心理的および生理的研究におけるより正確な評価の道を開くための貴重な洞察を提供する。

関連論文リスト

• Data Augmentation via Latent Diffusion for Saliency Prediction [67.88936624546076]
  残差予測モデルはラベル付きデータの限られた多様性と量によって制約される。 本研究では,実世界のシーンの複雑さと変動性を保ちながら,自然画像の編集を行うディープ・サリエンシ・予測のための新しいデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2024-09-11T14:36:24Z)
• EyeDentify: A Dataset for Pupil Diameter Estimation based on Webcam Images [6.298516754485939]
  EyeDentifyは、Webカメラ画像に基づく瞳孔径推定のために設計されたデータセットである。 標準的なウェブカメラデータを用いて瞳孔径を推定できるディープラーニングモデルは少ない。 EyeDentifyは、装備の少ない環境向けに特別に設計されたモデルの開発と改良を可能にする。
  論文  参考訳（メタデータ） (2024-07-15T19:39:28Z)
• Learning Representations with Contrastive Self-Supervised Learning for Histopathology Applications [8.69535649683089]
  コントラスト型自己教師型学習は,デジタル病理学におけるアノテーションの労力を減らしうることを示す。 本研究は,病理組織学応用のための自己教師あり学習の可能性を実現するための道を開くものである。
  論文  参考訳（メタデータ） (2021-12-10T16:08:57Z)
• Pathological Analysis of Blood Cells Using Deep Learning Techniques [0.0]
  血液細胞像を様々なカテゴリに分類するニューラルネットワークが提案されている。 提案したモデルの性能は、既存の標準アーキテクチャよりも優れており、様々な研究者によってなされている。
  論文  参考訳（メタデータ） (2021-11-05T05:37:10Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
  糖尿病網膜症における訓練方法の違いによる影響を比較検討した。 本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。 以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T08:32:45Z)
• Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
  そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。 我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。 このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
  論文  参考訳（メタデータ） (2020-10-15T16:39:26Z)
• A Deep Drift-Diffusion Model for Image Aesthetic Score Distribution Prediction [68.76594695163386]
  画像から美的スコアの分布を予測するために,心理学者から着想を得たディープドリフト拡散モデルを提案する。 DDDモデルは、評価結果の伝統的なモデリングではなく、美的知覚の心理的プロセスを記述することができる。 私たちの新しいDDDモデルはシンプルだが効率的であり、美的スコア分布予測における最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-10-15T11:01:46Z)
• MetaPhys: Few-Shot Adaptation for Non-Contact Physiological Measurement [17.038017337552724]
  そこで我々はMetaPhysというメタラーニング手法を提案する。 カスタマイズには18秒の動画しか使用せず、教師なしと教師なしの両方で効果的に機能する。
  論文  参考訳（メタデータ） (2020-10-05T04:41:03Z)
• 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)

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。