論文の概要: Establishing Robust Retinal Eye Tracking: A Weakly Supervised Algorithmic Framework
- arxiv url: http://arxiv.org/abs/2605.09181v1
- Date: Sat, 09 May 2026 21:45:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 02:24:05.52756
- Title: Establishing Robust Retinal Eye Tracking: A Weakly Supervised Algorithmic Framework
- Title（参考訳）: 可逆性網膜眼球追跡の確立 : アルゴリズムフレームワークの改訂
- Abstract要約: 本稿では,眼球の頑健な視線追跡のための弱い教師付き学習ベースフレームワークを提案する。
最初の研究では、95%の視線誤差0.45デグを6人のコホートで達成し、高い精度を示す。
- 参考スコア（独自算出の注目度）: 35.596867355105786
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Retinal image-based eye tracking is widely used in ophthalmic imaging and vision science, and is a promising path to deliver higher gaze accuracy than the pupil- and cornea-based approaches commonly used in modern AR/VR devices. Nevertheless, existing retinal tracking algorithms still primarily rely on classical template-matching registration, which can be insufficiently robust to retinal feature variability and real-world imaging conditions. In this work, we propose a novel weakly-supervised, learning-based framework for robust retinal eye tracking. Initial studies demonstrate high accuracy, achieving the 95th-percentile gaze error < 0.45 deg across a cohort of 6 participants.
- Abstract（参考訳）: 網膜画像に基づく視線追跡は眼科画像や視覚科学で広く使われており、現代のAR/VRデバイスで一般的に使用される瞳孔や角膜に基づくアプローチよりも高い視線精度を実現するための有望な道である。
それでも、既存の網膜追跡アルゴリズムは、従来型テンプレートマッチングの登録に大きく依存しており、網膜の特徴変数や実世界の撮像条件に対して不十分に堅牢である。
そこで本研究では,眼球の頑健な追跡を行うための,弱い教師付き学習ベースのフレームワークを提案する。
最初の研究は高い精度を示し、6人のコホートで95パーセントの視線誤差 < 0.45 deg を達成した。
関連論文リスト
- Braided Vision Transformer for Stroke Detection in Multi-view Retinal Fundus Imaging [0.5156484100374058]
網膜基底像は脳卒中評価に有望なモダリティとして出現している。
与えられた多視点画像から代表的特徴を抽出するブレイドビジョン変換器(BViT)モデルを提案する。
BViTは、ストローク検出のためのAUCスコア0.75を達成し、通常の視覚変換器より優れている。
論文 参考訳（メタデータ） (2026-08-12T12:04:43Z) - EyeTrAES: Fine-grained, Low-Latency Eye Tracking via Adaptive Event Slicing [2.9795443606634917]
EyeTrAESは、自然眼球運動の高忠実度追跡のためのニューロモルフィックイベントカメラを用いた新しいアプローチである。
その結果,EyeTrAESの瞳孔追跡精度は6+%向上し,IoU=92%,IoU=32%向上した。
頑健なユーザ認証のために,短期瞳孔運動学の特徴ベクトルを用いて,ユーザ当たりの軽量なランダムフォレスト分類器を訓練する。
論文 参考訳（メタデータ） (2024-09-27T15:06:05Z) - Enhance Eye Disease Detection using Learnable Probabilistic Discrete Latents in Machine Learning Architectures [1.6000489723889526]
糖尿病網膜症や緑内障などの眼疾患は、公衆衛生上の重大な課題となる。
深層学習モデルは、網膜イメージングのような医療画像を分析する強力なツールとして登場した。
課題は、モデル適合性と不確実性の推定であり、これは臨床的な意思決定に不可欠である。
論文 参考訳（メタデータ） (2024-01-21T04:14:54Z) - Near-infrared and visible-light periocular recognition with Gabor
features using frequency-adaptive automatic eye detection [69.35569554213679]
近視認識は、制御の少ないシナリオにおいて、顔や虹彩の堅牢性の増大が要求されるため、近年注目を集めている。
本稿では,複雑な対称性フィルタに基づく眼球検出システムを提案する。
このシステムはレチノトピックサンプリンググリッドとガボルスペクトル分解に基づく近視アルゴリズムの入力として用いられる。
論文 参考訳（メタデータ） (2022-11-10T13:04:03Z) - RADNet: Ensemble Model for Robust Glaucoma Classification in Color
Fundus Images [0.0]
緑内障は最も重篤な眼疾患の1つで、急激な進行と不可逆性失明を特徴とする。
集団の正常な緑内障検診では早期発見が改善するが,病原性チェックアップの望ましい頻度は期待できないことが多い。
本研究では,高度な画像前処理手法と深層分類ネットワークのアンサンブルを併用した画像前処理手法を提案する。
論文 参考訳（メタデータ） (2022-05-25T16:48:00Z) - MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。
近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。
深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
論文 参考訳（メタデータ） (2021-10-06T08:10:28Z) - Bayesian Eye Tracking [63.21413628808946]
モデルに基づく視線追跡は、目の特徴検出エラーの影響を受けやすい。
モデルベースアイトラッキングのためのベイズフレームワークを提案する。
提案手法は,最先端のモデルベースおよび学習ベースの手法と比較して,一般化能力の大幅な向上を示す。
論文 参考訳（メタデータ） (2021-06-25T02:08:03Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳（メタデータ） (2020-05-12T08:01:16Z)
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。