論文の概要: Will You Be Aware? Eye Tracking-Based Modeling of Situational Awareness in Augmented Reality

• arxiv url: http://arxiv.org/abs/2508.05025v1
• Date: Thu, 07 Aug 2025 04:35:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 18:59:39.712272
• Title: Will You Be Aware? Eye Tracking-Based Modeling of Situational Awareness in Augmented Reality
• Title（参考訳）: 目追跡に基づく拡張現実における状況認識のモデル化
• Authors: Zhehan Qu, Tianyi Hu, Christian Fronk, Maria Gorlatova,
• Abstract要約: Augmented Reality(AR)システムは、安全クリティカルなシナリオにおける状況認識(SA)を損なう仮想コンテンツに、認知的トンネルを誘導するリスクを生じさせる。 本稿では,AR誘導蘇生(CPR)におけるSAについて検討する。 我々は、リアルタイムCPRフィードバック(圧縮深さとレート)をオーバーレイするARアプリを開発し、予期せぬインシデントをシミュレーションしたユーザスタディを実行した。 視線追跡分析の結果,より高濃度のSA濃度はより高いサスカデック振幅と速度に関連し,仮想コンテンツに対する固定率と頻度は低下していた。
• 参考スコア（独自算出の注目度）: 2.4686585810894477
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Augmented Reality (AR) systems, while enhancing task performance through real-time guidance, pose risks of inducing cognitive tunneling-a hyperfocus on virtual content that compromises situational awareness (SA) in safety-critical scenarios. This paper investigates SA in AR-guided cardiopulmonary resuscitation (CPR), where responders must balance effective compressions with vigilance to unpredictable hazards (e.g., patient vomiting). We developed an AR app on a Magic Leap 2 that overlays real-time CPR feedback (compression depth and rate) and conducted a user study with simulated unexpected incidents (e.g., bleeding) to evaluate SA, in which SA metrics were collected via observation and questionnaires administered during freeze-probe events. Eye tracking analysis revealed that higher SA levels were associated with greater saccadic amplitude and velocity, and with reduced proportion and frequency of fixations on virtual content. To predict SA, we propose FixGraphPool, a graph neural network that structures gaze events (fixations, saccades) into spatiotemporal graphs, effectively capturing dynamic attentional patterns. Our model achieved 83.0% accuracy (F1=81.0%), outperforming feature-based machine learning and state-of-the-art time-series models by leveraging domain knowledge and spatial-temporal information encoded in ET data. These findings demonstrate the potential of eye tracking for SA modeling in AR and highlight its utility in designing AR systems that ensure user safety and situational awareness.
• Abstract（参考訳）: Augmented Reality(AR)システムは、リアルタイムガイダンスを通じてタスクパフォーマンスを向上させる一方で、安全クリティカルなシナリオにおける状況認識(SA)を損なう仮想コンテンツに認知トンネルを誘導するリスクを生じさせる。 本稿では,AR誘導型心肺蘇生(CPR)におけるSAについて検討する。 実時間CPRフィードバック(圧縮深度とレート)をオーバーレイするMagic Leap 2上にARアプリを開発した。 視線追跡分析の結果,より高濃度のSA濃度はより高いサスカデック振幅と速度に関連し,仮想コンテンツに対する固定率と頻度は低下していた。 SAを予測するために我々は、イベント(固定、サケード)を時空間グラフに構造化し、動的注意パターンを効果的にキャプチャするグラフニューラルネットワークであるFixGraphPoolを提案する。 本モデルは,ETデータに符号化された領域知識と時空間情報を活用することで,特徴ベース機械学習と最先端の時系列モデルを上回る83.0%の精度(F1=81.0%)を達成した。 これらの結果は、ARにおけるSAモデリングにおける視線追跡の可能性を示し、ユーザーの安全と状況認識を確実にするARシステムの設計におけるその有用性を強調している。

関連論文リスト

• Action Recognition in Real-World Ambient Assisted Living Environment [1.0787328610467801]
  環境支援リビング技術は、家庭内で継続的なモニタリングと支援を提供することによって、年齢の調整を容易にする。 AAL技術の中では、行動認識は人間の活動を理解する上で重要な役割を担っている。 本稿では,Robust and Efficient Temporal Convolution Network (RE-TCN)を紹介する。
  論文  参考訳（メタデータ） (2025-03-29T20:32:22Z)
• Spiking Meets Attention: Efficient Remote Sensing Image Super-Resolution with Attention Spiking Neural Networks [57.17129753411926]
  従来の人工ニューラルネットワーク(ANN)の代替手段としてスパイキングニューラルネットワーク(SNN)が登場 本稿では,AID,DOTA,DIORなどのリモートセンシングベンチマークにおいて,最先端の性能を実現するSpikeSRを提案する。
  論文  参考訳（メタデータ） (2025-03-06T09:06:06Z)
• Salient Information Preserving Adversarial Training Improves Clean and Robust Accuracy [4.737519767218666]
  SIP-AT(Salient Information Preserving Adversarial Training)を紹介する。 SIP-ATは、従来の敵の訓練によって引き起こされる堅牢性-正確性トレードオフを緩和するための直感的な方法である。 SIP-ATは、複数のエプシロンレベルの攻撃に対して高い堅牢性を保ちながら、モデルのクリーンな精度を高めることができることを示す。
  論文  参考訳（メタデータ） (2025-01-15T19:12:59Z)
• Psych-Occlusion: Using Visual Psychophysics for Aerial Detection of Occluded Persons during Search and Rescue [41.03292974500013]
  スモール・アンマンド・エアリアル・システムズ (SUAS) は、緊急対応 (ER) のシナリオにおいて「空の目」として機能する。 空中からの人物の効率的な検出は ミッションの成果を達成する上で 重要な役割を担います sUAS搭載のコンピュータビジョン(CV)モデルの性能は、実生活の厳密な条件下で著しく低下する。 我々は、その人間の精度データを用いて、行動データセットであるサイコERの使用を例示し、検出モデルの損失関数を適応させる。
  論文  参考訳（メタデータ） (2024-12-07T06:22:42Z)
• Towards Evaluating the Robustness of Visual State Space Models [63.14954591606638]
  視覚状態空間モデル(VSSM)は視覚知覚タスクにおいて顕著な性能を示した。 しかし、自然と敵対的な摂動の下での頑丈さは依然として重要な懸念事項である。 様々な摂動シナリオ下でのVSSMの頑健さを総合的に評価する。
  論文  参考訳（メタデータ） (2024-06-13T17:59:44Z)
• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• Two-Stage Violence Detection Using ViTPose and Classification Models at Smart Airports [9.53984191161849]
  本研究では、スマート空港のユニークな要件に合わせて、革新的な暴力検出フレームワークを導入する。 このフレームワークは人間のポーズ推定にViTPoseの力を利用する。 実際のシナリオで堅牢なパフォーマンスを保証するため、ソリューションは統合テストが行われた。
  論文  参考訳（メタデータ） (2023-08-30T21:20:15Z)
• Are VQA Systems RAD? Measuring Robustness to Augmented Data with Focused Interventions [18.545193011418654]
  本稿では,視覚的質問応答(VQA)システムの一般化機能について考察する。 本稿では,モデル予測の一貫性を計測する新しいロバストネス尺度,Robustness to Augmented Data (RAD)を提案する。 私たちは、現在のVQAシステムがまだ脆弱であることを示す、重大な障害ケースを見つけました。
  論文  参考訳（メタデータ） (2021-06-08T16:09:47Z)
• Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms [53.38353133198842]
  空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。 本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。 地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
  論文  参考訳（メタデータ） (2020-07-23T13:32:47Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。