個別化されたシアムアーキテクチャによる偏光ベースのアイ・トラッキング

要旨: 視線追跡を統合したヘッドマウントデバイスは、自然なヒューマンコンピュータインタラクションのための解決策を提供することが期待されます。しかし、これらは通常、個人間のばらつきのために、最適な性能を得るにはユーザーごとのキャリブレーションを必要とします。Siameseアーキテクチャを用いた差分パーソナライズ手法は、相対的な視線の変位を学習し、少数のキャリブレーションフレームから絶対視線を再構成します。本論文では、偏光対応のアイ・トラッキングにおいてSiameseパーソナライズをベンチマークします。ベンチマークのために、偏光に対応したカメラと850 nmの照明で取得した338被験者のデータセットを使用します。10倍少ないサンプル数で、線形キャリブレーションと同等の性能を達成します。Siameseパーソナライズに偏光入力を用いることで、近赤外（NIR）ベースの入力と比べて視線誤差が最大12%低減されます。さらに、Siameseパーソナライズと線形キャリブレーションを組み合わせることで、線形にキャリブレーションしたベースラインに対して最大13%の改善が得られます。これらの結果は、Siameseパーソナライズが、正確なアイ・トラッキングを可能にする実用的なアプローチであることを示しています。