論文の概要: Diffusion models for eye-gaze trajectory generation using position and velocity representations
- arxiv url: http://arxiv.org/abs/2609.05522v1
- Date: Tue, 01 Sep 2026 07:53:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.08506
- Title: Diffusion models for eye-gaze trajectory generation using position and velocity representations
- Title（参考訳）: 位置と速度表現を用いた視線軌跡生成のための拡散モデル
- Abstract要約: アイトラッキングデータは収集に費用がかかり、特別なハードウェアと制御された実験室条件が必要であり、プライバシー上の制約のために共有が困難である。
本研究では2つの相補的拡散確率モデル(DDPM)を用いて、視覚探索データから視線力学を無条件に生成する。
- 参考スコア（独自算出の注目度）: 39.577682622066256
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Eye-tracking data are expensive to collect, requiring specialized hardware and controlled laboratory conditions, and difficult to share because of privacy constraints. We address this using two complementary denoising diffusion probabilistic models (DDPMs) for unconditional generation of eye-gaze dynamics from visual-search data. Both use an identical FiLM-conditioned one-dimensional U-Net with self-attention (19.35,M parameters), trained on 8,s sliding-window sequences from 28 participants. One model generates raw two-dimensional gaze-position sequences, while the other generates two-component velocity sequences; each uses representation-specific preprocessing, training settings, data partitions, and evaluation protocols. Both are evaluated across three independent training seeds, with aggregated metrics reported as mean,$\pm$,SD. The position-space model achieves a mean Jensen-Shannon (JS) divergence of $0.016\pm0.004$ across nine kinematic features, with the highest feature-wise mean below $0.030$, fixation duration within 2% of real data, and a Fr'echet Gaze Distance more than an order of magnitude below statistical and Markovian baselines. Under a Train-on-Synthetic-Test-on-Real protocol, synthetic-only training achieves $R^2=0.66\pm0.02$, or 82.7% of the real-data $R^2$ point estimate. The velocity-space model achieves a mean JS divergence of $0.0065$ across velocity components, speed, log-speed, and turning angle, with a maximum of $0.015\pm0.005$. Reconstructed path length is less accurate ($0.21\pm0.02$ versus $0.03\pm0.01$ in position space), although the protocols differ. Overall, unconditional diffusion captures local gaze kinematics and short-range temporal and directional structure, while long-range properties such as saccade counts and cumulative path geometry remain targets for future conditioned models.
- Abstract（参考訳）: アイトラッキングデータは収集に費用がかかり、特別なハードウェアと制御された実験室条件が必要であり、プライバシー上の制約のために共有が困難である。
本研究では2つの相補的拡散確率モデル(DDPM)を用いて、視覚探索データから視線力学を無条件に生成する。
どちらも、28人の参加者から8つのスライディングウインドウシーケンスで訓練された、自己アテンション(19.35,Mパラメータ)を持つ同一のFiLM条件の1次元U-Netを使用している。
1つのモデルは生の2次元の視線位置列を生成し、もう1つは2成分の速度列を生成し、それぞれが表現特化前処理、トレーニング設定、データ分割、評価プロトコルを使用する。
どちらも3つの独立したトレーニングシードで評価され、集計されたメトリクスは平均$\pm$,SDと報告されている。
位置空間モデルは、9つのキネマティックな特徴にまたがる平均的なJensen-Shannon (JS) の偏差を0.016\pm0.004$で達成する。
Train-on-Synthetic-Test-on-Realプロトコルの下では、合成専用トレーニングはR^2=0.66\pm0.02$、または実データ$R^2$ポイント推定の82.7%を達成する。
速度空間モデルは、速度成分、速度、対数速度、旋回角の平均JS偏差が0.0065$であり、最大値が0.015\pm0.005$である。
再構成パス長は精度が低い(0.21\pm0.02$に対して0.03\pm0.01$)が、プロトコルは異なる。
全体として、非条件拡散は局所的な視線運動学と短距離時間的および方向的構造を捉えるが、ササード数や累積経路幾何学のような長距離特性は将来の条件付きモデルのターゲットのままである。
関連論文リスト
- Inductive Biases in Field-Level Cosmological Inference from Galaxy Catalogs [0.0]
我々は、シミュレーションされた銀河カタログから物質密度パラメータ$_m$のフィールドレベル確率自由推定を行う。
我々は銀河の位置と視線特異速度を別々に、共同で検討し、置換不変ディープセットとグラフニューラルネットワークを比較した。
論文 参考訳（メタデータ） (2026-09-08T22:38:38Z) - Event-Based Motion Estimation via Oriented Distance Fields [55.23416502666468]
イベントベースの動き推定は、高時間分解能と高速動作に対する堅牢性を必要とするタスクの中心である。
本稿では,この最適化を,事前計算された事象距離ベクトルの場上の1つの平均ステップに置き換える,オブジェクト指向距離場運動推定(ODF Motion Estimation)を提案する。
公開および自己収集されたデータセットでは,ODFの動作推定は,比較手法の中で最低レイテンシでサブピクセル精度に達する。
論文 参考訳（メタデータ） (2026-08-25T08:27:42Z) - Interpretable Fuzzy Inference for UAV Target Tracking Using Bounding-Box Geometry [0.528933036850801]
YOLOボックスから抽出した低次元特徴から連続ヨーコマンドを生成する解釈可能なファジィ推論フレームワークを提案する。
その結果、このフレームワークは透過的で、データ効率が高く、計算量も軽量であり、リアルタイムの視覚に基づくUAV誘導に適していることが判明した。
論文 参考訳（メタデータ） (2026-08-04T18:18:29Z) - Inferring Missing Trajectory Data with Temporal Convolutional Networks [0.0]
本稿では,標準因果制約を緩和する対称拡張型時間畳み込みネットワーク(TCN)を提案する。
このモデルは、重み付き平均二乗誤差、境界連続性ペナルティ、滑らか性正規化器を組み合わせた複合損失で訓練される。
1000ドル(電車)、200ドル(バリデーション)、300ドル(テスト)の2次元軌道にランダムに配置された20%のマスク付きセグメントで訓練されたこのモデルは、良いR$2ドル、MSE、MAEの計測値を得る。
論文 参考訳（メタデータ） (2026-07-27T23:46:15Z) - From Distances to Trajectories: Real-Time Signed Distance Function Mapping and Distance-Accelerated Motion Planning for UAVs [8.393016378205752]
我々は、マッピングとプランニングは単一の表現を中心に共同設計されるべきであると主張する:符号付き距離関数(SDF)。
タンデムでは、距離情報を利用して最大衝突のない球を成長させる検索ベースのプランナーであるBubble$star$を開発する。
計算制約の厳密な条件下で室内環境をリアルタイムでナビゲートし,四角形回路上でのOREN-Bubble$star$アプローチを実演する。
論文 参考訳（メタデータ） (2026-07-21T17:18:46Z) - Three-Body Scattering for Generative Modeling [17.851305398372794]
本研究では, 適切な分布エネルギーがサンプルレベルの運動を誘導し, 一段階発生器の直接回帰管理を可能にすることを示す。
生成のための3次元散乱モデリングは、エネルギー距離を一定サイズ毎の弾道的相互作用に変換する。
拡散関連監視,ドリフトライクなダイナミクス,およびGANライクな目的に関するデザインマップを提供する。
論文 参考訳（メタデータ） (2026-07-20T17:38:12Z) - EventShiftFlow: Towards Hardware-efficient FPGA-based Flow Estimation [43.77587889970362]
イベントベースの視覚センサは、非同期で高時間分解能の測定を提供する。
多くの事象に基づく動き推定法は計算集約的であり、FPGAハードウェアにマップすることは困難である。
本稿では,非同期イベントを固定時間ビンに離散化し,1ビット空間占有格子を構築し,複数の速度仮説を並列に評価するストリーミング速度推定器を提案する。
論文 参考訳（メタデータ） (2026-05-27T11:13:58Z) - Unextractable Protocol Models: Collaborative Training and Inference without Weight Materialization [58.14514930760722]
参加者が協力して大規模なニューラルネットワークを訓練し、提供する分散セットアップを検討する。
このセットアップでは、フルウェイトセットがどの参加者にも利用できないような、非機械的なウェイトの可能性を探る。
我々は、シャードモデルセットアップを利用するトレーニングおよび推論フレームワーク、Unextractable Protocol Models (UPMs)を紹介する。
論文 参考訳（メタデータ） (2026-05-22T10:24:57Z) - Joint Spatial-Temporal and Appearance Modeling with Transformer for
Multiple Object Tracking [59.79252390626194]
本稿ではTransSTAMという新しい手法を提案する。Transformerを利用して各オブジェクトの外観特徴とオブジェクト間の空間的時間的関係の両方をモデル化する。
提案手法はMOT16, MOT17, MOT20を含む複数の公開ベンチマークで評価され, IDF1とHOTAの両方で明確な性能向上を実現している。
論文 参考訳（メタデータ） (2022-05-31T01:19:18Z) - MixSTE: Seq2seq Mixed Spatio-Temporal Encoder for 3D Human Pose
Estimation in Video [75.23812405203778]
近年, 学習時間相関のため, 全フレームのボディジョイントを世界規模で考慮し, 2次元キーポイントシーケンスから3次元人間のポーズを推定する手法が提案されている。
本研究では,各関節の時間的動きを別々にモデル化する時間的変圧器ブロックと,関節間空間相関を有する変圧器ブロックを有するミキシングミキシングを提案する。
さらに、ネットワーク出力は、中央フレームから入力ビデオの全フレームに拡張され、入力と出力のベンチマーク間のコヒーレンスが改善される。
論文 参考訳（メタデータ） (2022-03-02T04:20:59Z) - Accelerating Training and Inference of Graph Neural Networks with Fast
Sampling and Pipelining [58.10436813430554]
グラフニューラルネットワーク(GNN)のミニバッチトレーニングには、多くの計算とデータ移動が必要である。
我々は,分散マルチGPU環境において,近傍サンプリングを用いたミニバッチトレーニングを行うことを支持する。
本稿では,これらのボトルネックを緩和する一連の改良点について述べる。
また,サンプリングによる推論を支援する実験分析を行い,試験精度が実質的に損なわれていないことを示す。
論文 参考訳（メタデータ） (2021-10-16T02:41:35Z)
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。