論文の概要: Identification of fixations and saccades in eye-tracking data using adaptive threshold-based method

• arxiv url: http://arxiv.org/abs/2512.23926v2
• Date: Mon, 05 Jan 2026 00:42:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 14:31:43.721176
• Title: Identification of fixations and saccades in eye-tracking data using adaptive threshold-based method
• Title（参考訳）: 適応しきい値法による視線追跡データの固定とササードの同定
• Authors: Charles Oriioma, Josef Krivan, Rujeena Mathema, Pedro Lencastre, Pedro G. Lind, Alexander Szorkovszky, Shailendra Bhandari,
• Abstract要約: 視線力学のマルコフ近似に基づく適応的手法を導入・評価する。 速度閾値の閾値は,自由視聴と視覚検索の両方において,最高基準精度(90～93%)を達成する。 適応閾値は、極端ノイズレベルにおいても81%以上の精度を維持しながら、優れたノイズロバスト性を示す。
• 参考スコア（独自算出の注目度）: 32.938529146937675
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Properties of ocular fixations and saccades are highly stochastic during many experimental tasks, and their statistics are often used as proxies for various aspects of cognition. Although distinguishing saccades from fixations is not trivial, experimentalists generally use common ad-hoc thresholds in detection algorithms. This neglects inter-task and inter-individual variability in oculomotor dynamics, and potentially biases the resulting statistics. In this article, we introduce and evaluate an adaptive method based on a Markovian approximation of eye-gaze dynamics, using saccades and fixations as states such that the optimal threshold minimizes state transitions. Applying this to three common threshold-based algorithms (velocity, angular velocity, and dispersion), we evaluate the overall accuracy against a multi-threshold benchmark as well as robustness to noise. We find that a velocity threshold achieves the highest baseline accuracy (90-93\%) across both free-viewing and visual search tasks. However, velocity-based methods degrade rapidly under noise when thresholds remain fixed, with accuracy falling below 20% at high noise levels. Adaptive threshold optimization via K-ratio minimization substantially improves performance under noisy conditions for all algorithms. Adaptive dispersion thresholds demonstrate superior noise robustness, maintaining accuracy above 81% even at extreme noise levels (σ = 50 px), though a precision-recall trade-off emerges that favors fixation detection at the expense of saccade identification. In addition to demonstrating our parsimonious adaptive thresholding method, these findings provide practical guidance for selecting and tuning classification algorithms based on data quality and analytical priorities.
• Abstract（参考訳）: 眼の固定とササードの性質は、多くの実験作業において非常に確率的であり、その統計は認知の様々な側面のプロキシとしてしばしば使用される。 ササードを固定と区別するのは簡単ではないが、実験者は一般的に検出アルゴリズムにおいて一般的なアドホックしきい値を使用する。 これは、オキュロモータ力学におけるタスク間および個人間の変動を無視し、その結果の統計をバイアスする可能性がある。 本稿では、最適しきい値が状態遷移を最小限に抑えるような状態としてササードと固定を用いて、視線力学のマルコフ近似に基づく適応的手法を導入・評価する。 これを3つの共通しきい値に基づくアルゴリズム(速度、角速度、分散)に適用することにより、マルチスレッドのベンチマークとノイズに対する堅牢性を総合的に評価する。 速度閾値は,自由視聴タスクと視覚検索タスクの両方において,最高基準線精度(90-93\%)を達成する。 しかし、閾値が固定されたままでは、速度に基づく手法はノイズ下で急速に劣化し、高い騒音レベルにおいて精度は20%以下に低下する。 K比最小化による適応しきい値最適化は、全てのアルゴリズムのノイズ条件下での性能を大幅に向上させる。 適応分散閾値は、極端ノイズレベル(σ = 50 px)でも81%以上の精度を維持し、より優れたノイズ堅牢性を示すが、精度の高いリコールトレードオフが出現し、ササード識別を犠牲にして固定検出が好まれる。 これらの結果から,データ品質と解析的優先度に基づいて分類アルゴリズムを選択し,調整するための実践的なガイダンスが得られた。

関連論文リスト

• Autonomous Concept Drift Threshold Determination [29.617054108315546]
  既存のドリフト検出手法は、繊細なテスト統計を設計することに焦点を当てている。 モデルの性能はこのしきい値に非常に敏感である。 本稿では、時間とともに適応するしきい値が、任意の固定しきい値を上回ることが証明される。
  論文  参考訳（メタデータ） (2025-11-13T04:31:39Z)
• Adaptive Estimation of Drifting Noise in Quantum Error Correction [1.1998722332188005]
  本稿では、量子誤り訂正実験のシンドローム統計を利用して、時間依存のパウリノイズを捕捉する枠組みを提案する。 スライドウィンドウのノイズフィルタリング挙動を実証し,窓の大きさをスペクトルカットオフ周波数にリンクし,複数のドリフト周波数を捕捉する反復アルゴリズムを提案する。 ウインドウに基づく推定手法と適応デコードにより,ドリフト下でのノイズスペクトルとデコーダ最適化の新しい知見が得られる。
  論文  参考訳（メタデータ） (2025-11-12T17:03:56Z)
• Gradient Normalization Provably Benefits Nonconvex SGD under Heavy-Tailed Noise [60.92029979853314]
  重み付き雑音下でのグラディエントDescence(SGD)の収束を確実にする上での勾配正規化とクリッピングの役割について検討する。 我々の研究は、重尾雑音下でのSGDの勾配正規化の利点を示す最初の理論的証拠を提供する。 我々は、勾配正規化とクリッピングを取り入れた加速SGD変種を導入し、さらに重み付き雑音下での収束率を高めた。
  論文  参考訳（メタデータ） (2024-10-21T22:40:42Z)
• SoftPatch: Unsupervised Anomaly Detection with Noisy Data [67.38948127630644]
  本稿では,画像センサ異常検出におけるラベルレベルのノイズを初めて考察する。 本稿では,メモリベースの非教師付きAD手法であるSoftPatchを提案する。 既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
  論文  参考訳（メタデータ） (2024-03-21T08:49:34Z)
• Adaptive Strategies in Non-convex Optimization [5.279475826661643]
  アルゴリズムは、そのようなパラメータの事前知識を必要としない場合、あるパラメータに適応すると言われている。 この論文は3つのシナリオにおける適応アルゴリズムの研究を示す。
  論文  参考訳（メタデータ） (2023-06-17T06:52:05Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• Improve Noise Tolerance of Robust Loss via Noise-Awareness [60.34670515595074]
  本稿では,NARL-Adjuster(NARL-Adjuster for brevity)と呼ばれる,ハイパーパラメータ予測関数を適応的に学習するメタラーニング手法を提案する。 4つのSOTAロバストな損失関数を我々のアルゴリズムに統合し,提案手法の一般性および性能をノイズ耐性と性能の両面で検証した。
  論文  参考訳（メタデータ） (2023-01-18T04:54:58Z)
• Benchmarking common uncertainty estimation methods with histopathological images under domain shift and label noise [62.997667081978825]
  リスクの高い環境では、深層学習モデルは不確実性を判断し、誤分類の可能性がかなり高い場合に入力を拒否しなければなりません。 我々は,全スライド画像の分類において,最もよく使われている不確実性と頑健さの厳密な評価を行う。 我々は一般的に,手法のアンサンブルが,ドメインシフトやラベルノイズに対するロバスト性の向上とともに,より良い不確実性評価につながることを観察する。
  論文  参考訳（メタデータ） (2023-01-03T11:34:36Z)
• Partial Identification with Noisy Covariates: A Robust Optimization Approach [94.10051154390237]
  観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。 このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。 合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
  論文  参考訳（メタデータ） (2022-02-22T04:24:26Z)

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。