Core Concepts
본 연구는 사용자의 시선 데이터를 활용하여 개인화된 주의 예측 모델을 개발하였다. 기존 연구와 달리 사용자의 명시적인 정보 입력 없이도 개인화된 주의 예측이 가능하도록 하였다.
Abstract
본 연구는 사용자의 시선 데이터를 활용하여 개인화된 주의 예측 모델을 개발하였다. 기존 연구에서는 사용자의 명시적인 정보 입력이 필요했지만, 본 연구에서는 사용자의 시선 데이터만으로도 개인화된 주의 예측이 가능하도록 하였다.
연구 방법은 다음과 같다:
- 시선 데이터와 이미지 쌍을 입력으로 하는 시아메즈 신경망 인코더를 통해 사용자 임베딩을 학습
- 학습된 사용자 임베딩을 활용하여 개인화된 주의 예측 모델을 학습
- 두 개의 공개 데이터셋에 대한 실험을 통해 제안 방법의 성능을 검증
실험 결과, 제안 방법은 기존 방법 대비 개인화된 주의 예측 성능이 우수한 것으로 나타났다. 또한 사용자 임베딩의 판별력이 높아 개인 식별에도 활용 가능할 것으로 보인다. 이를 통해 사용자의 시선 데이터만으로도 개인화된 주의 예측이 가능함을 보였다.
Stats
개인화된 주의 예측 모델의 성능은 기존 방법 대비 최대 10% 향상되었다.
제안 방법의 사용자 임베딩은 최대 92.7%의 정확도로 개인을 식별할 수 있다.
Quotes
"본 연구는 사용자의 시선 데이터만으로도 개인화된 주의 예측이 가능함을 보였다."
"제안 방법의 사용자 임베딩은 개인 식별에도 활용 가능할 것으로 보인다."