Sure About That Line? Approaching Confidence-Based, Real-Time Line Assignment in Reading Gaze Data

1. Planteamiento del Problema

El artículo aborda un cuello de botella crítico en las tecnologías de lectura asistida (por ejemplo, resaltado de palabras guiado por la mirada, herramientas de lectura en voz alta) y en la investigación del seguimiento ocular: la asignación de línea en tiempo real y fiable en escenarios de lectura de múltiples líneas.

• El Desafío Central: Los datos de seguimiento ocular, particularmente de sistemas remotos o basados en webcams, sufren de ruido vertical (deriva, pendiente, temblor espacial). Esto dificulta determinar qué línea de texto está leyendo actualmente un usuario basándose únicamente en la coordenada $y$ de una fijación.
• Limitaciones de las Soluciones Existentes:
  • Métodos post-hoc: La mayoría de los algoritmos actuales (por ejemplo, Alineamiento Temporal Dinámico, agrupamiento) requieren que toda la sesión de lectura se haya grabado antes del procesamiento. No pueden soportar la interacción en tiempo real.
  • Métodos Heurísticos/Basados en Restricciones: Los sistemas en tiempo real a menudo restringen el comportamiento natural de lectura (por ejemplo, no permitir regresiones/reelecciones o forzar una progresión estrictamente secuencial) para evitar errores.
  • Métodos Basados en Aprendizaje: Los enfoques de aprendizaje profundo (Transformers, CNN) a menudo requieren grandes conjuntos de datos etiquetados, aceleración por GPU y preprocesamiento, lo que los hace inadecuados para dispositivos de asistencia de baja latencia y enchufar y usar.
• Vulnerabilidad Específica: Los niños y los lectores principiantes exhiben patrones de mirada más variables, regresiones frecuentes y niveles de ruido más altos, lo que hace que los algoritmos existentes fallen o requieran corrección manual.

2. Metodología: CONF-LA

Los autores proponen CONF-LA (Asignación de Línea a Fijación Online Basada en Puntuación de Confianza), un enfoque principiado y de baja latencia que integra evidencia espacial con priores conductuales.

Principios Algorítmicos Centrales

CONF-LA trata la asignación de líneas como un problema de inferencia probabilística en lugar de un mapeo geométrico determinista. Opera bajo el principio: "Solo asignar una fijación a una línea si la puntuación de confianza supera un umbral formal; de lo contrario, posponer la decisión."

El sistema modela la relación entre líneas y posición de la mirada utilizando un Modelo Oculto de Markov No Homogéneo (HMM):

1. Estados Ocultos ($X_i$): Índices de línea discretos.
2. Observaciones ($Y_i$): Posición $y$ continua de la fijación.
3. Probabilidad de Emisión: Una distribución Gaussiana centrada en la coordenada $y$ de la línea. El modelo permite un desplazamiento adaptativo ($\mu_{shift}$) para tener en cuenta la deriva vertical, que se actualiza dinámicamente basándose en las tendencias de corrección recientes.
4. Probabilidad de Transición: Una matriz sensible al contexto ($L$) que codifica priores conductuales de la lectura experta:
   • Lectura Estándar: Alta probabilidad de permanecer en la misma línea ($L_{l,l} = 0.85$).
   • Transiciones de Línea: Probabilidad moderada de moverse a la siguiente línea ($L_{l,l+1} = 0.1$).
   • Regresiones: Baja probabilidad de moverse hacia atrás ($L_{l+1,l} = 0.03$).
   • Actualizaciones de Contexto: La matriz de transición se ajusta dinámicamente basándose en la velocidad de las sacadas (alta velocidad sugiere un barrido de retorno/cambio de línea) y cambios repentinos en la posición $x$ (saltos horizontales grandes sugieren una transición de línea).

Inferencia y Lógica de Decisión

El algoritmo procesa los datos en segmentos de tamaño $S$ (donde $S=1$ es tiempo real puro, y $S>1$ permite un suavizado local):

1. Cálculo Posterior: Para cada fijación, calcula una distribución de probabilidad posterior sobre todas las líneas posibles.
2. Puntuación de Confianza: Calcula una puntuación de confianza ($c_i$) como la probabilidad posterior máxima.
3. Umbralización:
   • Si $c_i \geq C$ (umbral): La fijación se asigna a la línea con la posterior más alta.
   • Si $c_i < C$: La asignación se pospone. Se mantiene la coordenada $y$ original y la fijación permanece sin asignar.
4. Resolución de Casos Pospuestos:
   • Filtro Temporal Local: Un pase hacia adelante y hacia atrás de horizonte corto dentro del segmento resuelve las ambigüedades.
   • Votación de Vecinos: Si una fijación permanece sin asignar, el algoritmo verifica las fijaciones vecinas. Si un porcentaje suficiente de vecinos coincide en una línea específica con alta confianza, la fijación sin asignar se actualiza.

3. Contribuciones Clave

1. Estrategia de Posponimiento Basada en Confianza: A diferencia de trabajos anteriores que fuerzan una asignación para cada fijación (lo que lleva a errores), CONF-LA modela explícitamente la incertidumbre. Solo corrige datos cuando el modelo está "seguro", preservando los datos crudos para casos ambiguos.
2. Viabilidad en Tiempo Real: El algoritmo logra una latencia media por fijación de 0.348 ms en CPUs estándar, cerrando la brecha entre el rendimiento offline y online.
3. Priors Conductuales sin Entrenamiento: El modelo utiliza reglas de transición codificadas y sensibles al contexto derivadas de la teoría de la lectura (Rayner, 1998) en lugar de requerir entrenamiento supervisado a gran escala. Esto lo hace agnóstico al diseño y enchufar y usar.
4. Robustez ante Regresiones: El método soporta explícitamente la relectura y los saltos hacia atrás, una característica a menudo excluida en herramientas de asistencia en tiempo real.
5. Implementación de Código Abierto: Los autores proporcionan código de código abierto y comparaciones con el conjunto de datos estándar de Carr et al. (2022).

4. Resultados y Evaluación

Los autores evaluaron CONF-LA en el conjunto de datos de Carr et al. (adultos y niños) y en el conjunto de datos MECOde, comparándolo contra 9 algoritmos de referencia (por ejemplo, attach, chain, cluster, DTW).

• Precisión vs. Latencia:
  • Ad Hoc (Tiempo real, $S=10$): CONF-LA logró una precisión del 95% para adultos y del 94.2% para niños, superando significativamente al algoritmo de referencia attach (87.7% / 87.7%).
  • Post Hoc ($S=N$): El rendimiento fue comparable a los métodos post-hoc más avanzados (96.6% vs. 93.5% para attach), demostrando que el enfoque online no sacrifica precisión por velocidad.
• Resiliencia al Ruido y Distorsión:
  • CONF-LA mostró invarianza al tamaño del segmento, manteniendo una alta precisión incluso al reducir el búfer de anticipación.
  • Rindió excepcionalmente bien bajo distorsiones de regresión (dentro de la línea y entre líneas), donde otros algoritmos fallaron.
  • Demostró robustez en datos de baja fidelidad (condiciones simuladas de webcam con muestreo de 30 Hz y ruido espacial), superando a las referencias en aproximadamente un 10-11%.
• Generalización: Cuando se probó en el conjunto de datos MECOde sin reajustar los parámetros, CONF-LA mantuvo un rendimiento superior sobre la referencia, demostrando su capacidad para generalizar a través de diferentes configuraciones experimentales.
• Limitaciones: El algoritmo mostró susceptibilidad a distorsiones extremas de pendiente y deriva, probablemente debido a la naturaleza fija del modelo de emisión Gaussiana. Además, se encontró que las puntuaciones de confianza estaban mal calibradas (demasiado seguras a alta precisión, poco seguras a baja), limitando su uso directo en tareas probabilísticas posteriores sin una calibración adicional.

5. Significado e Impacto Futuro

• Habilitación de Tecnologías Asistivas: CONF-LA proporciona la primera solución robusta y en tiempo real para la asignación de líneas que soporta comportamientos naturales de lectura (regresiones, saltos) sin requerir restricciones de interfaz restrictivas o infraestructura pesada de aprendizaje automático.
• Interpretabilidad: Al emitir puntuaciones de confianza e incertidumbre explícita, el sistema permite a los desarrolladores construir interfaces que se adaptan a la fiabilidad del usuario (por ejemplo, retrasar el resaltado si el sistema no está seguro).
• Accesibilidad: La naturaleza de baja latencia y amigable con la CPU del algoritmo lo hace accesible para su despliegue en dispositivos de grado de consumo (portátiles, tabletas) y rastreadores oculares de bajo costo, democratizando el acceso al soporte de lectura basado en la mirada para niños y usuarios neurodivergentes.
• Direcciones Futuras: Los autores sugieren avanzar hacia modelos probabilísticos completamente parametrizados (por ejemplo, usando distribuciones Dirichlet para transiciones) para mejorar la calibración de la confianza y permitir el ajuste adaptativo de parámetros basado en el comportamiento individual del usuario.

En resumen, CONF-LA representa un cambio de la "corrección forzada" a la "inferencia consciente de la confianza", ofreciendo una base estable y en tiempo real para la próxima generación de sistemas de soporte de lectura basados en la mirada.