論文の概要: Consensus Clustering of Free-Viewing Gaze Data: New Insights into Human-Information Interaction
- arxiv url: http://arxiv.org/abs/2606.30035v2
- Date: Tue, 30 Jun 2026 09:26:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 13:50:27.732272
- Title: Consensus Clustering of Free-Viewing Gaze Data: New Insights into Human-Information Interaction
- Title（参考訳）: フリービュー・ゲイズデータのコンセンサスクラスタリング:人間と情報インタラクションの新しい視点
- Abstract要約: フリービューの視線データは、人間の視覚的注意を、リッチでタスクなしの窓を提供する。
この視線データの豊かさにもかかわらず、その人-情報相互作用(HII)パターンは研究されている。
本稿では、ガゼデータセットのコンセンサスクラスタリングのための、エンドツーエンドで教師なしのアンサンブル学習システムを提案する。
- 参考スコア（独自算出の注目度）: 1.108292291257035
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Free-viewing gaze data provides a rich, task-free window into human visual attention. Conventional exploratory data analysis of the data provides user attention patterns through fixations and areas of interest. However, despite the richness of this gaze data, its human-information interaction (HII) patterns are understudied. We address this gap using consensus clustering of gaze data with respect to users and stimulus characteristics. We present a novel end-to-end unsupervised ensemble learning system for consensus clustering of free-viewing gaze datasets, EnsembleGaze. With a goal of characterizing the user behavior and stimulus type, we propose a feature engineering step based on statistical descriptors of fixation-based distributions. EnsembleGaze involves consensus voting of selected clustering methods implemented on the feature vector to compute the co-association matrix. Using the separate consensus clustering of users and stimuli as a baseline, we further propose two high-dimensional clustering strategies for determining gaze clusters based on joint user and image characterization. They are consensus subspace clustering and spectral biclustering. Clustering performance is evaluated using selected standard metrics and is further interpreted through image-level properties. Our system provides a replicable method for the unsupervised analysis of fixation behavior in scene perception research. Our results show that image stimuli groupings are highly consistent across methods, reflecting a robust ambient-versus-focal viewing mode distinction, whereas user groupings are image-context-dependent, a structure that only biclustering and the two-step conditional approaches are architecturally capable of recovering. Testing on the publicly available datasets revealed dataset-specific patterns, with each offering complementary insights through distinct clustering strategies.
- Abstract（参考訳）: フリービューの視線データは、人間の視覚的注意を、リッチでタスクなしの窓を提供する。
従来のデータ探索データ分析は、修正や関心領域を通じてユーザーの注意パターンを提供する。
しかし、この視線データの豊かさにもかかわらず、その人-情報相互作用(HII)パターンは研究されている。
本稿では,ユーザに対する視線データのコンセンサスクラスタリングと刺激特性を用いて,このギャップに対処する。
本稿では,フリービューの視線データセットであるEnsembleGazeのコンセンサスクラスタリングのための,エンドツーエンドのアンサンブル学習システムを提案する。
ユーザの行動と刺激のタイプを特徴付けることを目的として,固定型分布の統計的記述に基づく特徴工学的ステップを提案する。
EnsembleGazeは、結合行列を計算するために特徴ベクトル上に実装された選択されたクラスタリングメソッドのコンセンサス投票を含む。
さらに,ユーザと刺激の別個のコンセンサスクラスタリングをベースラインとして,共同ユーザと画像特徴量に基づいて視線クラスタを決定するための2つの高次元クラスタリング戦略を提案する。
これらはコンセンサスサブスペースクラスタリングとスペクトル双クラスタリングである。
クラスタリング性能は、選択された標準メトリクスを用いて評価され、さらに画像レベルの特性を通して解釈される。
本システムは,シーン認識研究における固定動作の教師なし解析のための再現的手法を提供する。
以上の結果から,2段階の条件付き手法と2段階の条件付き手法のみを両立させる構造において,ユーザグループ化は画像コンテキストに依存しているのに対し,画像刺激型グルーピングは強健な環境依存型視聴モードの区別を反映し,手法間で極めて一貫性があることが示唆された。
公開データセットのテストでは、データセット固有のパターンが明らかにされ、それぞれが異なるクラスタリング戦略を通じて補完的な洞察を提供する。
関連論文リスト
- K-Models: a Flexible and Interpretable Method for Ordinal Clustering with Application to Antigen-Antibody Interaction Profiles [65.21921642886367]
K-Modelsは、順序的制約を統合し、観察された機能プロファイルを生成するランダムプロセスの基本的な要素を推定する新しいフレームワークである。
提案手法はシミュレーションと実世界の応用を通して評価する。
論文 参考訳（メタデータ） (2026-05-14T13:35:44Z) - Clusterability-Based Assessment of Potentially Noisy Views for Multi-View Clustering [14.310871812932193]
クラスタビリティの観点から,マルチビューデータにおける事前クラスタリングノイズビュー解析の問題点について検討する。
マルチビューデータにおける潜在クラスタ関連構造の強度を定量化する多視点クラスタビリティスコア(MVCS)を提案する。
さらに、クラスタ化の前に、潜在的にノイズの多いビュー分析とノイズの多いビュー検出を行うために使用します。
論文 参考訳（メタデータ） (2026-04-20T09:49:42Z) - IPBC: An Interactive Projection-Based Framework for Human-in-the-Loop Semi-Supervised Clustering of High-Dimensional Data [0.0]
高次元データセットは、科学と工業の領域でますます一般的になっている。
従来の次元削減技術は、限定的な解釈性を提供する静的な2Dまたは3D埋め込みを生成する。
本稿では,対話型プロジェクトベースクラスタリング(IPBC)を提案する。
論文 参考訳（メタデータ） (2026-01-25T15:23:51Z) - Imputation-free and Alignment-free: Incomplete Multi-view Clustering Driven by Consensus Semantic Learning [65.75756724642932]
不完全なマルチビュークラスタリングでは、欠落したデータがビュー内のプロトタイプシフトとビュー間のセマンティック不整合を誘導する。
コンセンサスセマンティクス学習(FreeCSL)のためのIMVCフレームワークを提案する。
FreeCSLは、最先端の競合他社と比較して、IMVCタスクの信頼性と堅牢な割り当てを実現している。
論文 参考訳（メタデータ） (2025-05-16T12:37:10Z) - Structure-guided Deep Multi-View Clustering [13.593229506936682]
深いマルチビュークラスタリングは、クラスタリング性能を改善するために、複数のビューから豊富な情報を活用することを目指している。
既存のクラスタリング手法の多くは、多視点構造情報の完全なマイニングを無視することが多い。
構造誘導型深層多視点クラスタリングモデルを提案し,多視点データの分布を探索する。
論文 参考訳（メタデータ） (2025-01-17T12:42:30Z) - CLAMS: A Cluster Ambiguity Measure for Estimating Perceptual Variability
in Visual Clustering [23.625877882403227]
本稿では,クラスタアンビグニティ(Cluster Ambiguity)と呼ばれる視覚的クラスタリングを行う際の知覚的変動について検討する。
我々は,モノクローム散乱体におけるクラスタのあいまいさを自動的に予測する,データ駆動型視覚品質尺度であるCLAMSを紹介する。
論文 参考訳（メタデータ） (2023-08-01T04:46:35Z) - HPSCAN: Human Perception-Based Scattered Data Clustering [15.217526822318428]
本稿では,分散データを直接操作する学習戦略HPSCANを提案する。
我々は、我々のデータセットの収集方法、得られたアノテーションの統計を報告し、実世界のデータに対するクラスタ分離の知覚的合意について調査する。
論文 参考訳（メタデータ） (2023-04-27T13:41:12Z) - ACTIVE:Augmentation-Free Graph Contrastive Learning for Partial
Multi-View Clustering [52.491074276133325]
部分的マルチビュークラスタリングの問題を解決するために,拡張自由グラフコントラスト学習フレームワークを提案する。
提案手法は、インスタンスレベルのコントラスト学習と欠落データ推論をクラスタレベルに高め、個々の欠落データがクラスタリングに与える影響を効果的に軽減する。
論文 参考訳（メタデータ） (2022-03-01T02:32:25Z) - Effective and Efficient Graph Learning for Multi-view Clustering [173.8313827799077]
マルチビュークラスタリングのための効率的かつ効率的なグラフ学習モデルを提案する。
本手法はテンソルシャッテンp-ノルムの最小化により異なるビューのグラフ間のビュー類似性を利用する。
提案アルゴリズムは時間経済であり,安定した結果を得るとともに,データサイズによく対応している。
論文 参考訳（メタデータ） (2021-08-15T13:14:28Z) - Graph Contrastive Clustering [131.67881457114316]
本稿では,クラスタリングタスクに適用可能な新しいグラフコントラスト学習フレームワークを提案し,gcc(graph constrastive clustering)法を考案した。
特に、グラフラプラシアンに基づくコントラスト損失は、より識別的かつクラスタリングフレンドリーな特徴を学ぶために提案されている。
一方で、よりコンパクトなクラスタリング割り当てを学ぶために、グラフベースのコントラスト学習戦略が提案されている。
論文 参考訳（メタデータ） (2021-04-03T15:32:49Z) - Agglomerative Neural Networks for Multi-view Clustering [109.55325971050154]
本稿では,最適コンセンサスを近似する凝集分析法を提案する。
本稿では,制約付きラプラシアンランクに基づくANN(Agglomerative Neural Network)を用いて,マルチビューデータをクラスタリングする。
4つの一般的なデータセットに対する最先端のマルチビュークラスタリング手法に対する我々の評価は、ANNの有望なビュー・コンセンサス分析能力を示している。
論文 参考訳（メタデータ） (2020-05-12T05:39:10Z)
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。