論文の概要: Consumer-grade EEG-based Eye Tracking

• arxiv url: http://arxiv.org/abs/2503.14322v1
• Date: Tue, 18 Mar 2025 14:53:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 14:13:59.634844
• Title: Consumer-grade EEG-based Eye Tracking
• Title（参考訳）: 消費者の脳波による視線追跡
• Authors: Tiago Vasconcelos Afonso, Florian Heinrichs,
• Abstract要約: 脳波による眼球運動追跡(EEG-ET)は、脳波信号の眼球運動アーチファクトをカメラによる追跡の代替として活用する。 EEG-ETは低照度環境での堅牢性や脳-コンピュータインタフェースとの統合性などの利点を提供する。 脳波と視線追跡記録を同時生成したデータセットを116セッションで113名に分けて提示した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Electroencephalography-based eye tracking (EEG-ET) leverages eye movement artifacts in EEG signals as an alternative to camera-based tracking. While EEG-ET offers advantages such as robustness in low-light conditions and better integration with brain-computer interfaces, its development lags behind traditional methods, particularly in consumer-grade settings. To support research in this area, we present a dataset comprising simultaneous EEG and eye-tracking recordings from 113 participants across 116 sessions, amounting to 11 hours and 45 minutes of recordings. Data was collected using a consumer-grade EEG headset and webcam-based eye tracking, capturing eye movements under four experimental paradigms with varying complexity. The dataset enables the evaluation of EEG-ET methods across different gaze conditions and serves as a benchmark for assessing feasibility with affordable hardware. Data preprocessing includes handling of missing values and filtering to enhance usability. In addition to the dataset, code for data preprocessing and analysis is available to support reproducibility and further research.
• Abstract（参考訳）: 脳波による眼球運動追跡(EEG-ET)は、脳波信号の眼球運動アーチファクトをカメラによる追跡の代替として活用する。 EEG-ETは低照度環境での堅牢性や脳-コンピュータインターフェースとの統合性などの利点があるが、その開発は従来の手法、特にコンシューマグレードの設定よりも遅れている。 本研究では,脳波と視線追跡を同時に行う116セッションの参加者13名を対象に,脳波と視線追跡記録を同時記録したデータセットを提案する。 データは、コンシューマグレードのEEGヘッドセットとWebカメラベースのアイトラッキングを使用して収集され、複雑さの異なる4つの実験パラダイムの下で眼の動きを捉えた。 このデータセットは、異なる視線条件でEEG-ETメソッドの評価を可能にし、安価なハードウェアで実現可能性を評価するためのベンチマークとして機能する。 データ前処理には、欠落した値の処理と、ユーザビリティを高めるためのフィルタリングが含まれる。 データセットに加えて、再現性とさらなる研究をサポートするために、データ前処理と分析のためのコードも利用可能である。

関連論文リスト

• CEReBrO: Compact Encoder for Representations of Brain Oscillations Using Efficient Alternating Attention [53.539020807256904]
  交互注意(CEReBrO)を用いた脳振動の表現のための圧縮法について紹介する。 トークン化方式は、チャネルごとのパッチで脳波信号を表現します。 本研究では,チャネル内時間的ダイナミックスとチャネル間空間的相関を共同でモデル化し,通常の自己アテンションに比べて6倍少ないメモリで2倍の速度向上を実現するための注意機構を提案する。
  論文  参考訳（メタデータ） (2025-01-18T21:44:38Z)
• CognitionCapturer: Decoding Visual Stimuli From Human EEG Signal With Multimodal Information [61.1904164368732]
  脳波信号の表現にマルチモーダルデータを完全に活用する統合フレームワークであるCognitionCapturerを提案する。 具体的には、CognitionCapturerは、各モダリティに対してモダリティエキスパートを訓練し、EEGモダリティからモダリティ情報を抽出する。 このフレームワークは生成モデルの微調整を一切必要とせず、より多くのモダリティを組み込むように拡張することができる。
  論文  参考訳（メタデータ） (2024-12-13T16:27:54Z)
• 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)
• Physics-informed and Unsupervised Riemannian Domain Adaptation for Machine Learning on Heterogeneous EEG Datasets [53.367212596352324]
  脳波信号物理を利用した教師なし手法を提案する。 脳波チャンネルをフィールド、ソースフリーなドメイン適応を用いて固定位置にマッピングする。 提案手法は脳-コンピュータインタフェース(BCI)タスクおよび潜在的なバイオマーカー応用におけるロバストな性能を示す。
  論文  参考訳（メタデータ） (2024-03-07T16:17:33Z)
• 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)
• An Interpretable and Attention-based Method for Gaze Estimation Using Electroencephalography [8.09848629098117]
  脳波データから視線を推定するための解釈可能なモデルを提案するため,脳波と視線追跡を同時に測定した大規模なデータセットを利用する。 本稿では,脳波信号分析のための新しい注目に基づくディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-09T16:58:01Z)
• 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)
• EEGEyeNet: a Simultaneous Electroencephalography and Eye-tracking Dataset and Benchmark for Eye Movement Prediction [5.10183147987411]
  脳活動と眼球運動の交差に関する研究を進めることを目的とした新しいデータセットを提案する。 EEGEyeNetは、356人の被験者から同時脳波(EEG)と眼球追跡(ET)を同時に記録する。 また,脳波計測から視線予測を評価するためのベンチマークも提案する。
  論文  参考訳（メタデータ） (2021-11-06T15:41:27Z)
• Uncovering the structure of clinical EEG signals with self-supervised learning [64.4754948595556]
  教師付き学習パラダイムは、しばしば利用可能なラベル付きデータの量によって制限される。 この現象は脳波(EEG)などの臨床関連データに特に問題となる。 ラベルのないデータから情報を抽出することで、ディープニューラルネットワークとの競合性能に到達することができるかもしれない。
  論文  参考訳（メタデータ） (2020-07-31T14:34:47Z)

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。