論文の概要: Drift Calibration in Geometric Eye Tracking Systems
- arxiv url: http://arxiv.org/abs/2608.29739v1
- Date: Sun, 30 Aug 2026 12:05:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.054803
- Title: Drift Calibration in Geometric Eye Tracking Systems
- Title（参考訳）: 幾何学的視線追跡システムにおけるドリフト校正
- Abstract要約: 12人の被験者から163回の臨床試験を含む校正中心のデータセットを提示した。
共通空間外挿プロトコルを用いて,グローバル,ローカル,複合的な補正関数の評価を行う。
- 参考スコア（独自算出の注目度）: 34.12106856838315
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Geometric eye trackers can provide the spatial accuracy required for gaze-based interaction and multimodal studies, but their measurements remain sensitive to residual session-specific calibration error. Research on correcting this error is difficult to compare because methods are typically evaluated with different devices, target layouts, and error definitions. We present a calibration-focused dataset containing 163 trials from 12 participants, with separate 18-point fitting and 32-point test grids, and use it to evaluate global, local, and composite correction functions under a common spatial-extrapolation protocol. We further introduce a lightweight neural refiner that combines ranked predictions from complementary calibrators. On this controlled dataset, post-vendor correction reduces the mean angular error from $1.53^\circ$ to $1.03^\circ$ with the strongest classical composite and to $0.96^\circ$ with the refiner. In a closed-loop gaze task, lower residual error is associated with higher performance across four online correction conditions. These results provide a reproducible data-quality benchmark for using gaze as a behavioral signal in interactive modeling.
- Abstract（参考訳）: 幾何学的アイトラッカーは、視線に基づく相互作用やマルチモーダルな研究に必要な空間的精度を提供することができるが、その測定は残留セッション固有の校正誤差に敏感である。
このエラーを補正する研究は、通常、異なるデバイス、ターゲットレイアウト、エラー定義で評価されるため、比較が難しい。
我々は,12人の被験者による163の試行を含む校正中心のデータセットについて,個別の18点フィッティングと32点テストグリッドを用いて評価し,グローバル,局所,複合的な補正関数を共通空間抽出プロトコルで評価する。
さらに、補完的なキャリブレータからのランク付け予測を組み合わせた軽量なニューラルリファインダーを導入する。
この制御されたデータセットでは、ベンダー後補正により、平均角誤差が1.53^\circ$から1.03^\circ$に減少し、最強の古典的合成物では1.03^\circ$、精錬器では0.96^\circ$に減少する。
閉ループガゼタスクでは、低い残差誤差は、4つのオンライン修正条件における高い性能に関連付けられる。
これらの結果は、インタラクティブなモデリングにおける行動信号としてGangを使用するための再現可能なデータ品質ベンチマークを提供する。
関連論文リスト
- Physics-Informed Learning of Effective Error Processes from Limited Noisy Transmon Measurements for Robust QAOA Reliability [0.0]
有限ショット計測から有効な量子誤り過程を学習するための物理インフォームドパイプラインを提案する。
学習された表現はコンパクトな有効モデルである: 各キュービットに対する局所アフィンブロッホチャネル、および3キュービット拡張において、相関エラーをキャプチャするペアワイズ残差である。
結果は、より信頼性の高い変動量子アルゴリズムへのハードウェア対応ルートとして、効果的なエラー処理学習をサポートする。
論文 参考訳（メタデータ） (2026-05-29T20:58:00Z) - Discovery of Hidden Miscalibration Regimes [52.452902154360565]
モデルは何らかの入力を体系的に過信し、他人を過信することがある。
対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。
提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
論文 参考訳（メタデータ） (2026-05-13T13:07:50Z) - A Unified Calibration Framework for Coordinate and Kinematic Parameters in Dual-Arm Robots [23.991712799218217]
両腕の座標変換と運動パラメータの統一校正のための新しい枠組みを提案する。
我々のキーとなる考え方は、1つのリー代数的定式化の中で密結合なパラメータを統一することである。
提案アルゴリズムは,地球近傍の最適性を検証可能な信頼性の高い推定値が得られる。
論文 参考訳（メタデータ） (2026-03-16T04:25:40Z) - Orthogonal Causal Calibration [55.28164682911196]
我々は、因果校正作業を標準(非因果予測モデル)の校正作業に還元する一般的なアルゴリズムを開発する。
以上の結果から,既存のキャリブレーションアルゴリズムを因果的設定に応用できることが示唆された。
論文 参考訳（メタデータ） (2024-06-04T03:35:25Z) - FedCal: Achieving Local and Global Calibration in Federated Learning via Aggregated Parameterized Scaler [29.93307421620845]
フェデレートラーニング(FedCal)は、クライアント固有のスケーラをローカルおよびグローバルキャリブレーションに使用する。
実験では、FedCalが最高性能のベースラインを大幅に上回り、グローバルキャリブレーションエラーを平均47.66%削減した。
論文 参考訳（メタデータ） (2024-05-24T11:33:58Z) - Sample-dependent Adaptive Temperature Scaling for Improved Calibration [95.7477042886242]
ニューラルネットワークの誤りを補うポストホックアプローチは、温度スケーリングを実行することだ。
入力毎に異なる温度値を予測し、信頼度と精度のミスマッチを調整することを提案する。
CIFAR10/100およびTiny-ImageNetデータセットを用いて,ResNet50およびWideResNet28-10アーキテクチャ上で本手法をテストする。
論文 参考訳（メタデータ） (2022-07-13T14:13:49Z) - Optimising the selection of samples for robust lidar camera calibration [5.489796702858156]
シーン全体に適したキャリブレーションパラメータを推定するためのキャリブレーションサンプルの選択を最適化する,ロバストなキャリブレーションパイプラインを提案する。
このVOQスコアは,推定キャリブレーションパラメータがシーン全体に対してよく一般化する能力と相関していることを示す。
提案するキャリブレーションパイプラインは90秒で1-1.2cm,標準偏差0.4-0.5cmで46のシーンに均等に分布する。
論文 参考訳（メタデータ） (2021-03-23T03:46:15Z) - Localized Calibration: Metrics and Recalibration [133.07044916594361]
完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。
次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
論文 参考訳（メタデータ） (2021-02-22T07:22:12Z) - Calibration of Neural Networks using Splines [51.42640515410253]
キャリブレーション誤差の測定は、2つの経験的分布を比較します。
古典的コルモゴロフ・スミルノフ統計テスト(KS)にインスパイアされたビンニングフリーキャリブレーション尺度を導入する。
提案手法は,KS誤差に対する既存の手法と,他の一般的なキャリブレーション手法とを一貫して比較する。
論文 参考訳（メタデータ） (2020-06-23T07:18:05Z)
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。