평균과 개인의 차이
여러 사람의 평균적인 주의 분포가 특정 개인의 관찰 순서를 그대로 설명하지는 못한다. EyeFormer는 사용자별 시선 예시를 활용해 개인화한 예측을 만드는 문제를 다룬다.
정책 네트워크
트랜스포머를 정책 네트워크로 사용해 시선 위치를 제어하는 심층 강화 학습을 안내한다. 공간 위치뿐 아니라 주시 지속 시간을 포함하는 경로 정보를 예측한다.
인터페이스 적용
연구는 그래픽 사용자 인터페이스의 배치 최적화에 활용하는 사례를 제시한다. 버튼이나 텍스트, 이미지가 함께 있는 복잡한 이차원 화면에서 시선 예측을 설계에 연결하려는 시도다.
개인화의 검증
소수 예시에 맞춘 결과가 다른 화면과 과제에도 유지되는지 확인해야 한다. 특정 사용자의 예시를 반영하는 것과 그 사람의 모든 시각 행동을 설명하는 것은 다른 수준의 주장이다.
관련 문서
Gazeformer / DeepGaze III / DeepGaze 3점5 VL / 강화 학습 / 사용자 인터페이스 / 컴퓨터 비전