توليد مسارات نظر العين باستخدام نماذج الانتشار: ثورة في تتبع العيون

في عالم التقنيات الحديثة، تعد بيانات تتبع العيون (Eye-tracking data) من بين الأكثر صعوبة في جمعها، حيث تتطلب أجهزة متخصصة وظروف مختبر مسيطر عليها. ومع ذلك، تقدم دراسة جديدة باستخدام نماذج الانتشار (Diffusion Models) حلاً ثورياً لهذه المشكلة، مما يسهل الحصول على بيانات دقيقة لممارسات البحث البصري.

في هذه الدراسة، تم استخدام نوعين من نماذج الانتشار للتخلص من الضوضاء (Denoising Diffusion Probabilistic Models - DDPMs) لتوليد ديناميات نظر العين من بيانات البحث البصري (Visual-Search Data). تعمل النماذج على معالجة بيانات فريدة من نوعها، حيث يتم تدريبها على تسلسلات عرضية خاصة تفصل 28 مشاركاً.

النموذج الأول مخصص لتوليد تسلسلات موضع النظر ثنائية الأبعاد، بينما يقوم النموذج الآخر بتوليد تسلسلات سرعة مكونة من عنصرين. كل نموذج يعتمد على إعدادات تدريب وتقنيات معالجة خاصة به، مع تقييم شامل يفحص كفاءة كل منهما.

أظهرت النتائج أن النموذج الخاص بمساحة الموضع حقق انحراف متوسط لمؤشر جانسن-شانون (Jensen-Shannon divergence) بلغ 0.016، مما يدل على دقة عالية. أما بالنسبة للنموذج الخاص بمساحة السرعة، فتوصل إلى انحراف متوسط بلغ 0.0065 عبر مكونات السرعة وزاوية الدوران.

تعتبر هذه النماذج وسيلة فعالة لالتقاط الكينيماتيكا المحلية لحركة نظر العين، مما يمهد الطريق لفهم أعمق للحركة البشرية. ومع ذلك، تبقى الخصائص طويلة المدى مثل عدد الحركات وسيناريوهات الطرق المحددة كمواضيع مستهدفة للنماذج المستقبلية.

بشكل عام، يعد هذا التطور خطوة مهمة في تحسين تقنيات تتبع العين، مما يجعل من الممكن للأبحاث والممارسات التطبيقية أن تتوسع بشكل أكبر.

ما رأيكم في هذه الابتكارات؟ شاركونا آراءكم في التعليقات!