专注的面孔:一项关于注意力状态的面部线索的研究
作者
眼动追踪与注视交互人体姿态与行为识别HCI 研究员
自动检测注意力状态是设计干预措施以管理注意力的先决条件——这是知识工作者最重要的资源。为了实现这一目标,首先需要了解不同的注意力状态是如何通过知识工作者的可见线索来区分的。在本文中,我们通过评估一个数据集来展示检测注意力状态的重要面部线索,该数据集跟踪了15名参与者一整天的工作情况,包括他们的挑战和参与程度。我们的评估表明,凝视、俯仰和嘴唇张开的动作单元是参与工作的指标;而俯仰、凝视运动、凝视角度和上眼睑提升的动作单元是具有挑战性工作的指标。这些发现揭示了面部线索与我们跟踪参与者所经历的参与度和挑战水平之间存在显著关系。我们的工作为基于面部线索检测注意力状态的未来研究设计做出了贡献。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 75%
使用眼动追踪数据检测人格特质
CHI '19· 眼动追踪与注视交互 +1
- 75%
眼动追踪揭示的心理图像
CHI '19· 眼动追踪与注视交互 +1
- 75%
NVGaze:一个用于低延迟近眼凝视估计的解剖学指导数据集
CHI '19· 眼动追踪与注视交互 +1
- 67%
基于注视的选择的自适应模型
CHI '21· 眼动追踪与注视交互 +1
- 67%
会聚匹配:在3D环境中通过注视辅助选择推断对物体的注意力
CHI '23· 眼动追踪与注视交互 +1
- 67%
分类头部运动以区分头部注视和头部手势作为不同的输入模式
CHI '23· 眼动追踪与注视交互 +1
- 67%
比较凝视时间、追踪和凝视手势在手持移动设备上的凝视交互
CHI '23· 眼动追踪与注视交互 +1
- 67%
看着但不集中:定义基于注视的注意力偏差指标及分类注意力状态
CHI '25· 眼动追踪与注视交互 +1
- 67%
通过非言语行为检测小型自然群体中的低融洽度
IUI '18· 眼动追踪与注视交互 +1
- 67%
SUPREYES:基于隐式神经表示学习的眼睛超分辨率方法
UIST '23· 眼动追踪与注视交互 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3313831.3376566
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
眼动追踪与注视交互、人体姿态与行为识别
work
职业/产业
HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文