Identification of fixations and saccades in eye-tracking data using adaptive threshold-based method

यहाँ शोध पत्र "Identification of fixations and saccades in eye-tracking data using adaptive threshold-based methods" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

आई-ट्रैकिंग डेटा विश्लेषण के लिए फिक्सेशन (स्थिर दृष्टि) और सैकैड्स (तेजी से होने वाली नेत्र गति) के बीच अंतर करना आवश्यक है। हालाँकि यह अंतर संज्ञानात्मक अनुसंधान (cognitive research), नैदानिक निदान (clinical diagnostics), और मानव-कंप्यूटर संपर्क (human-computer interaction) के लिए मौलिक है, वर्तमान विधियों को महत्वपूर्ण चुनौतियों का सामना करना पड़ता है:

• निश्चित थ्रेशोल्ड (Fixed Thresholds) पर निर्भरता: मानक एल्गोरिदम (जैसे I-VT, I-DT) स्थिर, मनमाने थ्रेशोल्ड (जैसे वेग > 30°/s) का उपयोग करते हैं जो विभिन्न कार्यों और व्यक्तियों के बीच ओकुलोमोटर डायनेमिक्स की भिन्नता को अनदेखा करते हैं।
• शोर (Noise) के प्रति संवेदनशीलता: निश्चित थ्रेशोल्ड माप के शोर, पलक झपकने (blinks) और ट्रैकिंग लॉस के प्रति अत्यधिक संवेदनशील होते हैं। यहाँ तक कि मध्यम गाऊसी शोर (Gaussian noise) भी वर्गीकरण सटीकता में तेजी से गिरावट ला सकता है, जिससे सांख्यिकी पक्षपाती हो सकती है।
• अनुकूलन क्षमता का अभाव: मौजूदा अनुकूलन विधियों (adaptive methods) के लिए अक्सर जटिल मॉडलिंग (जैसे Hidden Markov Models) या विस्तृत वितरण धारणाओं की आवश्यकता होती है, जिससे वे गणनात्मक रूप से महंगी या लागू करने में कठिन हो जाती हैं।

लेखक एक सरल (parsimonious), अनुकूलन योग्य थ्रेशोल्ड विधि विकसित करने का लक्ष्य रखते हैं जो डेटा और कार्य की विशिष्ट विशेषताओं के आधार पर वर्गीकरण प्रदर्शन को अनुकूलित करे, जबकि शोर के विरुद्ध मजबूती बनाए रखे।

2. कार्यप्रणाली (Methodology)

2.1 डेटा संग्रह

• प्रतिभागी: उच्च-गुणवत्ता वाले आई-ट्रैकिंग डेटा वाले 15 वयस्क।
• कार्य (Tasks): दो अलग-अलग प्रतिमानों (paradigms) का उपयोग किया गया था:
  1. फ्री व्यूइंग (Random Pixel): असंरचित पिक्सेल क्षेत्रों को देखना।
  2. विजुअल सर्च (Waldo): जटिल "Where's Waldo?" दृश्यों में लक्ष्यों को खोजना।
• हार्डवेयर: 1000 Hz सैंपलिंग दर पर EyeLink Portable Duo।
• संदर्भ लेबल (Reference Labels): अध्ययन ने ग्राउंड ट्रूथ के रूप में मानक EyeLink पार्सर (वेग 30°/s, त्वरण 8000°/s²) का उपयोग किया है, यह स्वीकार करते हुए कि यह स्वयं एक थ्रेशोल्ड-आधारित क्लासिफायर है।
• शोर सिमुलेशन (Noise Simulation): मजबूती का परीक्षण करने के लिए, लेखकों ने कच्चे प्रक्षेप पथों (raw trajectories) पर ट्यूनेबल गाऊसी शोर ($\epsilon \sim N(0, \sigma^2)$) को आरोपित किया, जिसमें 0 से 50 पिक्सेल तक के शोर स्तरों ($\sigma$) का परीक्षण किया गया।

2.2 मूल्यांकित वर्गीकरण एल्गोरिदम

अध्ययन ने तीन थ्रेशोल्ड-आधारित एल्गोरिदम का मूल्यांकन किया, जिनमें प्रत्येक के लिए अनुकूलित संस्करण (adaptive versions) पेश किए गए:

1. I-VT (Velocity-Threshold Identification): तात्कालिक वेग ($V_i$) के आधार पर वर्गीकरण करता है।
2. I-AVT (Angular Velocity-Threshold Identification): प्रभावी कोणीय वेग ($V^{eff}_i = V_i \cdot \cos(\theta_i - \theta_{i-1})$) का उपयोग करने वाला एक संस्करण, जो गति के साथ दिशात्मक निरंतरता (directional persistence) को जोड़ता है।
3. I-DT (Dispersion-Threshold Identification): एक चलते हुए समय अंतराल (moving time window) के भीतर दृष्टि बिंदुओं के स्थानिक फैलाव (spatial dispersion) के आधार पर वर्गीकरण करता है।

2.3 मुख्य नवाचार: K-अनुपात अनुकूलन (K-Ratio Optimization)

लेखकों ने थ्रेशोल्ड को अनुकूल रूप से निर्धारित करने के लिए K-अनुपात नामक एक नया मीट्रिक पेश किया।

• अवधारणा: K-अनुपात डेटा में देखे गए फिक्सेशन-टू-सैकैड ट्रांज़िशन (fixation-to-saccade transitions) की अनुभवजन्य संख्या की तुलना अपेक्षित ट्रांज़िशन संख्या से करता है, यदि लेबल यादृच्छिक रूप से वितरित (स्टेट से स्वतंत्र) होते।
• सूत्र:
  $$K\text{-ratio} = \frac{n_{F \to S}}{n_S(1 - n_S)}$$
  जहाँ $n_{F \to S}$ फिक्सेशन-टू-सैकैड ट्रांज़िशन की आवृत्ति है, और $n_S$ सैकैड का अनुपात है।
• अनुकूलन रणनीति: इष्टतम थ्रेशोल्ड वह है जो K-अनुपात को न्यूनतम (minimize) करता है।
  • K-अनुपात < 1 इंगित करता है कि अवस्थाएं (फिक्सेशन/सैकैड) क्लस्टर होती हैं (कालिक सुसंगतता/temporal coherence)।
  • इस अनुपात को न्यूनतम करना यह सुनिश्चित करता है कि एल्गोरिदम ऐसे थ्रेशोल्ड का चयन करे जो अवस्थाओं के बीच अलगाव को अधिकतम करे, जिससे शोर के कारण होने वाले स्पूरियस स्विचिंग (spurious switching) को कम किया जा सके।

3. मुख्य परिणाम

3.1 बेसलाइन प्रदर्शन (शोर-मुक्त)

• I-VT ने उच्चतम समग्र सटीकता (90–93%) और फिक्सेशन एवं सैकैड डिटेक्शन के बीच सबसे अच्छा संतुलन (उच्चतम Saccade F1-score: ~0.51–0.54) प्राप्त किया।
• I-AVT ने उच्च फिक्सेशन सटीकता दिखाई लेकिन सैकैड का पता लगाने में काफी पीछे रहा।
• I-DT ने सबसे अधिक फिक्सेशन-प्रधान सेगमेंटेशन उत्पन्न किया, जिससे अक्सर छोटे सैकैड्स फिक्सेशन में मिल गए, जिसके परिणामस्वरूप निम्न सैकैड रिकॉल (saccade recall) हुआ।
• कार्य निर्भरता (Task Dependence): "Random Pixel" और "Waldo" कार्यों के बीच इष्टतम थ्रेशोल्ड काफी भिन्न थे, जो कार्य-विशिष्ट ट्यूनिंग की आवश्यकता को प्रमाणित करते हैं।

3.2 शोर के प्रति मजबूती (Robustness to Noise)

• निश्चित थ्रेशोल्ड (Fixed Thresholds): जैसे-जैसे शोर बढ़ा, प्रदर्शन तेजी से गिर गया। उच्च शोर स्तरों ($\sigma \ge 30$ px) पर, निश्चित-थ्रेशोल्ड I-VT और I-AVT के लिए सटीकता 20% से नीचे गिर गई, क्योंकि बढ़े हुए वेग अनुमानों के कारण अधिकांश डेटा को सैकैड के रूप में गलत वर्गीकृत किया गया।
• अनुकूलित थ्रेशोल्ड (Adaptive Thresholds - K-ratio): प्रत्येक शोर स्तर पर थ्रेशोल्ड को पुन: अनुकूलित करने से प्रदर्शन हानि को काफी हद तक कम किया जा सका।
  • I-DT (Adaptive): इसने उत्कृष्ट शोर मजबूती प्रदर्शित की, अत्यधिक शोर स्तरों ($\sigma = 50$ px) पर भी सटीकता > 81% बनाए रखी।
  • समझौता (Trade-off): इस मजबूती के साथ एक प्रिसिजन-रिकॉल समझौता (precision-recall trade-off) आया। अनुकूलित I-DT ने उच्च फिक्सेशन प्रिसिजन बनाए रखा (अनिश्चित बिंदुओं को रूढ़िवादी रूप से फिक्सेशन के रूप में वर्गीकृत किया), लेकिन उच्च शोर पर बहुत कम सैकैड रिकॉल (F1 < 0.11) का सामना किया।
  • I-VT (Adaptive): निश्चित थ्रेशोल्ड की तुलना में काफी सुधार हुआ लेकिन यह I-DT की तुलना में शोर के प्रति अधिक संवेदनशील बना रहा।

3.3 प्रतिभागी परिवर्तनशीलता (Participant Variability)

• K-ratio न्यूनीकरण के माध्यम से प्राप्त इष्टतम थ्रेशोल्ड ने परीक्षणों में उच्च इंट्रा-प्रतिभागी निरंतरता (इंट्राक्लास कोरिलेशन कोएफिशिएंट्स, ICC, 0.68 से 0.85 की सीमा में) दिखाई, जो पुष्टि करती है कि यह विधि यादृच्छिक शोर के बजाय स्थिर व्यक्तिगत ओकुलोमोटर विशेषताओं को पकड़ती है।
• हालाँकि, प्रतिभागियों के बीच थ्रेशोल्ड काफी भिन्न थे, जो सार्वभौमिक वैश्विक थ्रेशोल्ड के बजाय व्यक्तिगत या कार्य-विशिष्ट अनुकूलन की आवश्यकता को न्यायसंगत ठहराते हैं।

4. मुख्य योगदान

1. अनुकूलित K-अनुपात विधि: किसी भी थ्रेशोल्ड-आधारित आई-ट्रैकिंग एल्गोरिदम के लिए थ्रेशोल्ड को स्वचालित रूप से ट्यून करने के लिए एक सरल, मॉडल-मुक्त सांख्यिकीय मीट्रिक पेश किया, जो अनावश्यक स्टेट ट्रांज़िशन को कम करता है।
2. व्यापक शोर विश्लेषण: गाऊसी शोर (Gaussian noise) आई-VT, I-AVT और I-DT को कैसे प्रभावित करता है, इसका व्यवस्थित मूल्यांकन प्रदान किया, यह प्रदर्शित करते हुए कि निश्चित थ्रेशोल्ड शोर वाले या मोबाइल डेटा के लिए अपर्याप्त हैं।
3. एल्गोरिदम बेंचमार्किंग: यह स्थापित किया कि जबकि स्वच्छ डेटा के लिए I-VT एक सर्वश्रेष्ठ सामान्य-उद्देश्य वाला एल्गोरिदम है, अनुकूलित थ्रेशोल्ड के साथ I-DT शोर वाले वातावरण के लिए सबसे मजबूत विकल्प है, बशर्ते उपयोगकर्ता फिक्सेशन डिटेक्शन की ओर झुकाव (bias) को स्वीकार करे।
4. व्यावहारिक दिशानिर्देश: शोधकर्ताओं के लिए कार्रवाई योग्य सलाह दी:
   • उच्च-गुणवत्ता वाले डेटा के लिए I-VT का उपयोग करें जहाँ सैकैड डिटेक्शन महत्वपूर्ण है।
   • शोर वाले डेटा के लिए या जहाँ स्थिर फिक्सेशन की पहचान प्राथमिक लक्ष्य है, Adaptive I-DT का उपयोग करें।
   • जब डेटा की गुणवत्ता बदलती हो या शोर मौजूद हो, तो निश्चित थ्रेशोल्ड से बचें।

5. महत्व और निष्कर्ष

यह शोध पत्र आई-ट्रैकिंग अनुसंधान में एक महत्वपूर्ण बाधा को संबोधित करता है: सैद्धांतिक एल्गोरिथम सरलता और प्रयोगात्मक डेटा की वास्तविक जटिलता के बीच का अंतर। यह प्रदर्शित करके कि एक मार्कोवियन सन्निकटन (Markovian approximation - K-ratio) जटिल मॉडलिंग के बिना थ्रेशोल्ड को प्रभावी ढंग से अनुकूलित कर सकता है, लेखकों ने एक स्केलेबल समाधान प्रदान किया है।

निष्कर्षों से पता चलता है कि कोई भी एकल एल्गोरिदम सार्वभौमिक रूप से श्रेष्ठ नहीं है; चुनाव डेटा की गुणवत्ता (शोर स्तर) और विश्लेषणात्मक प्राथमिकताओं (सैकैड डिटेक्शन बनाम फिक्सेशन स्थिरता) पर निर्भर करता है। प्रस्तावित अनुकूलित विधि शोधकर्ताओं को अपने विश्लेषण पाइपलाइन को गतिशील रूप से अनुकूलित करने की अनुमति देती है, जिससे कठोर, 'वन-साइज़-फिट्स-ऑल' थ्रेशोल्ड के कारण होने वाले संज्ञानात्मक और नैदानिक अध्ययनों में पक्षपात को कम किया जा सके। भविष्य के कार्यों में K-ratio ट्यूनिंग को उन्नत डी-नॉइजिंग तकनीकों के साथ एकीकृत करना और लर्निंग-आधारित क्लासिफायर में इसके अनुप्रयोग की खोज करना शामिल है।