A Comparative Study of Scanpath Models in Graph-Based Visualization

要約

情報視覚化（Infovis）システムは、視覚表現を利用してデータ解釈を強化します。
インターフェイス設計を最適化するには、視覚的な注意がどのように割り当てられるかを理解することが不可欠です。
ただし、視力（ET）データを収集すると、コスト、プライバシー、スケーラビリティに関連する課題があります。
計算モデルは、視線パターンを予測するための代替案を提供し、それによってインフォビスの研究を進めます。
私たちの研究では、デジタルフォレンジックのコンテキスト内でさまざまな複雑さの質問に回答しながらグラフを分析した40人の参加者とのET実験を実施しました。
人間のスキャンパスを、deepgaze、umss、gazeformerなどのモデルによって生成された合成のスキャンと比較しました。
私たちの研究は、これらのモデルの精度を評価し、質問の複雑さとノードの数がパフォーマンスにどのように影響するかを調べます。
この作業は、視覚分析における予測モデリングの開発に貢献し、Infovisシステムの設計と有効性を高めることができる洞察を提供します。

要約(オリジナル)

Information Visualization (InfoVis) systems utilize visual representations to enhance data interpretation. Understanding how visual attention is allocated is essential for optimizing interface design. However, collecting Eye-tracking (ET) data presents challenges related to cost, privacy, and scalability. Computational models provide alternatives for predicting gaze patterns, thereby advancing InfoVis research. In our study, we conducted an ET experiment with 40 participants who analyzed graphs while responding to questions of varying complexity within the context of digital forensics. We compared human scanpaths with synthetic ones generated by models such as DeepGaze, UMSS, and Gazeformer. Our research evaluates the accuracy of these models and examines how question complexity and number of nodes influence performance. This work contributes to the development of predictive modeling in visual analytics, offering insights that can enhance the design and effectiveness of InfoVis systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google