TurkEyes: 一个基于网络的众包注意力数据工具箱

视频

DOI

眼球运动提供了关于观众认为图像中哪些部分最突出、最有趣或与当前任务最相关的见解。不幸的是，通常用于注意力代理的眼动追踪数据难以收集。在这里，我们探索了一个替代方案：一个全面的基于网络的工具箱，用于众包视觉注意力。我们借鉴了文献中四种主要的注意力捕捉方法。ZoomMaps是一种新颖的基于缩放的界面，用于捕捉在手机上的观看情况。CodeCharts是一种自我报告方法，记录了在精确观看时长下的兴趣点。ImportAnnots是一种用于选择重要图像区域的“注释”工具，而基于光标的BubbleView让观众点击以模糊一个小区域。我们使用一个通用的分析框架来比较这些方法，以便为每个界面开发适当的应用场景。这个工具箱和我们的分析为如何在没有眼动追踪器的情况下大规模收集注意力数据提供了蓝图。