A Comparative Study of Scanpath Models in Graph-Based Visualization
作者: Angela Lopez-Cardona, Parvin Emami, Sebastian Idesis, Saravanakumar Duraisamy, Luis A. Leiva, Ioannis Arapakis
发布时间: 2025-04-03
来源: arxiv
研究方向: 图可视化与眼动追踪
主要内容
本文比较了三种基于图可视化的眼动追踪模型（UMSS、DeepGaze++、Gazeformer），通过实验分析了不同模型在图可视化任务中的性能。
主要贡献
1. 比较了三种图可视化眼动追踪模型在性能上的差异。
2. 提出了基于动态时间扭曲（DTW）、眼动分析、确定性、层析率等指标来评估模型性能。
3. 提供了详细的实验数据和图表，展示了不同模型在不同任务和条件下的表现。
研究方法
1. 数据收集：招募了40名参与者，使用眼动追踪设备收集数据。
2. 刺激材料：使用无向图作为视觉刺激，包括基线图、部分适应图和完全适应图。
3. 眼动追踪模型：比较了UMSS、DeepGaze++和Gazeformer三种模型。
4. 性能评估：使用DTW、眼动分析、确定性、层析率等指标评估模型性能。
实验结果
实验结果表明，UMSS在大多数指标上表现最佳，其次是DeepGaze++和Gazeformer。不同模型在不同任务和条件下的表现存在差异。
未来工作
未来可以进一步研究如何改进眼动追踪模型，提高其在图可视化任务中的性能。此外，还可以探索其他类型的视觉刺激和眼动追踪技术，以更好地理解用户在图可视化过程中的认知过程。