研究团队发布EEGaze数据集与EEGazeNet模型
热点事件观察中
研究团队发布EEGaze数据集与EEGazeNet模型
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究提出首个整合脑电图（EEG）信号的视觉搜索人类注意力预测方法EEGazeNet。该方法结合多模态数据，旨在通过EEG引导的显著性优化来适应用户的认知状态，从而提升注意力预测的准确性。该研究发布了当前规模最大的公开多模态数据集EEGaze 140，为相关领域的研究提供了重要的数据资源支持。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
EEGaze: 基于 EEG 显著性优化的多模态视觉搜索注意力预测报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · AIEEGaze: 基于 EEG 显著性优化的多模态视觉搜索注意力预测
研究提出首个整合 EEG 信号的视觉搜索人类注意力预测方法 EEGazeNet，并发布最大公开多模态数据集 EEGaze 140。 数据集包含 36 名参与者在 140 个自然场景下同步记录的 EEG 与眼动数据，涵盖桌面图标搜索及杂乱车间寻物两类场景。 在综合评估中，EEGazeNet 持续优于所有基线方法及消融条件，验证了 EEG 引导显著性优化在适应用户认知状态方面的有效性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。