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

1. Declaração do Problema

O artigo aborda um gargalo crítico nas tecnologias assistivas de leitura (por exemplo, destaque de palavras acionado pelo olhar, ferramentas de leitura em voz alta) e na pesquisa de rastreamento ocular: atribuição de linha em tempo real e confiável em cenários de leitura multi-linha.

• O Desafio Central: Os dados de rastreamento ocular, particularmente de sistemas remotos ou baseados em webcam, sofrem com ruído vertical (deriva, inclinação, tremor espacial). Isso torna difícil determinar qual linha de texto o usuário está lendo atualmente com base apenas na coordenada $y$ de uma fixação.
• Limitações das Soluções Existentes:
  • Métodos post-hoc: A maioria dos algoritmos atuais (por exemplo, Warping Dinâmico de Tempo, agrupamento) exige que toda a sessão de leitura seja gravada antes do processamento. Eles não podem suportar interação em tempo real.
  • Métodos Heurísticos/Baseados em Restrições: Sistemas em tempo real frequentemente restringem o comportamento natural de leitura (por exemplo, não permitindo regressões/leitura repetida ou forçando uma progressão estritamente sequencial) para evitar erros.
  • Métodos Baseados em Aprendizado: Abordagens de aprendizado profundo (Transformers, CNNs) frequentemente exigem grandes conjuntos de dados rotulados, aceleração por GPU e pré-processamento, tornando-os inadequados para dispositivos assistivos de baixa latência e plug-and-play.
• Vulnerabilidade Específica: Crianças e leitores iniciantes exibem padrões de olhar mais variáveis, regressões frequentes e níveis mais altos de ruído, fazendo com que algoritmos existentes falhem ou requeiram correção manual.

2. Metodologia: CONF-LA

Os autores propõem o CONF-LA (Atribuição de Linha para Fixação Online Baseada em Pontuação de Confiança), uma abordagem principial e de baixa latência que integra evidências espaciais com priores comportamentais.

Princípios Algorítmicos Centrais

O CONF-LA trata a atribuição de linha como um problema de inferência probabilística, em vez de um mapeamento geométrico determinístico. Ele opera sob o princípio: "Atribua uma fixação a uma linha apenas se a pontuação de confiança exceder um limiar formal; caso contrário, adie a decisão."

O sistema modela a relação entre linhas e posição do olhar usando um Modelo Oculto de Markov Não Homogêneo (HMM):

1. Estados Ocultos ($X_i$): Índices de linha discretos.
2. Observações ($Y_i$): Posição $y$ contínua da fixação.
3. Probabilidade de Emissão: Uma distribuição Gaussiana centrada na coordenada $y$ da linha. O modelo permite um deslocamento adaptativo ($\mu_{shift}$) para compensar a deriva vertical, que é atualizado dinamicamente com base em tendências recentes de correção.
4. Probabilidade de Transição: Uma matriz sensível ao contexto ($L$) codificando priores comportamentais da leitura habilidosa:
   • Leitura Padrão: Alta probabilidade de permanecer na mesma linha ($L_{l,l} = 0.85$).
   • Transições de Linha: Probabilidade moderada de mover para a próxima linha ($L_{l,l+1} = 0.1$).
   • Regressões: Baixa probabilidade de mover para trás ($L_{l+1,l} = 0.03$).
   • Atualizações de Contexto: A matriz de transição ajusta-se dinamicamente com base na velocidade do sacádico (alta velocidade sugere varredura de retorno/mudança de linha) e em mudanças súbitas na posição $x$ (saltos horizontais grandes sugerem transição de linha).

Inferência e Lógica de Decisão

O algoritmo processa dados em segmentos de tamanho $S$ (onde $S=1$ é tempo real puro, e $S>1$ permite suavização local):

1. Cálculo Posterior: Para cada fixação, calcula uma distribuição de probabilidade posterior sobre todas as linhas possíveis.
2. Pontuação de Confiança: Calcula uma pontuação de confiança ($c_i$) como a probabilidade posterior máxima.
3. Limiarização:
   • Se $c_i \geq C$ (limiar): A fixação é atribuída à linha com o maior posterior.
   • Se $c_i < C$: A atribuição é adiada. A coordenada $y$ original é mantida, e a fixação permanece não atribuída.
4. Resolução de Casos Adiados:
   • Filtro Temporal Local: Uma passagem de retrocesso e avanço de curto horizonte dentro do segmento resolve ambiguidades.
   • Votação de Vizinhos: Se uma fixação permanecer não atribuída, o algoritmo verifica as fixações vizinhas. Se uma porcentagem suficiente de vizinhos concordar em uma linha específica com alta confiança, a fixação não atribuída é atualizada.

3. Contribuições Principais

1. Estratégia de Adiamento Baseada em Confiança: Diferentemente de trabalhos anteriores que forçam uma atribuição para cada fixação (levando a erros), o CONF-LA modela explicitamente a incerteza. Ele corrige dados apenas quando o modelo está "certo", preservando dados brutos para casos ambíguos.
2. Viabilidade em Tempo Real: O algoritmo alcança uma latência média por fixação de 0,348 ms em CPUs padrão, fechando a lacuna entre desempenho offline e online.
3. Piores Comportamentais sem Treinamento: O modelo usa regras de transição codificadas manualmente e sensíveis ao contexto, derivadas da teoria da leitura (Rayner, 1998), em vez de exigir treinamento supervisionado em grande escala. Isso torna o sistema agnóstico ao layout e plug-and-play.
4. Robustez a Regressões: O método suporta explicitamente a re-leitura e saltos para trás, uma característica frequentemente excluída em ferramentas assistivas em tempo real.
5. Implementação de Código Aberto: Os autores fornecem código de código aberto e comparação com o conjunto de dados padrão de Carr et al. (2022).

4. Resultados e Avaliação

Os autores avaliaram o CONF-LA no conjunto de dados Carr et al. (adultos e crianças) e no conjunto de dados MECOde, comparando-o com 9 algoritmos de base (por exemplo, attach, chain, cluster, DTW).

• Precisão vs. Latência:
  • Ad Hoc (Tempo Real, $S=10$): O CONF-LA alcançou 95% de precisão para adultos e 94,2% para crianças, superando significativamente o algoritmo de base attach (87,7% / 87,7%).
  • Post Hoc ($S=N$): O desempenho foi comparável aos métodos post-hoc mais avançados (96,6% vs. 93,5% para attach), demonstrando que a abordagem online não sacrifica a precisão pela velocidade.
• Resiliência a Ruído e Distorção:
  • O CONF-LA mostrou invariância ao tamanho do segmento, mantendo alta precisão mesmo ao reduzir o buffer de antecipação.
  • Desempenhou excepcionalmente bem sob distorções de regressão (dentro da linha e entre linhas), onde outros algorithos falharam.
  • Demonstrou robustez em dados de baixa fidelidade (condições simuladas de webcam com amostragem de 30Hz e ruído espacial), superando as bases em ~10-11%.
• Generalização: Quando testado no conjunto de dados MECOde sem re-ajuste de parâmetros, o CONF-LA manteve desempenho superior à base, provando sua capacidade de generalizar entre diferentes configurações experimentais.
• Limitações: O algoritmo mostrou suscetibilidade a distorções extremas de inclinação e deriva, provavelmente devido à natureza fixa do modelo de emissão Gaussiana. Além disso, as pontuações de confiança foram encontradas mal calibradas (excessivamente confiantes em alta precisão, pouco confiantes em baixa), limitando seu uso direto em tarefas probabilísticas subsequentes sem calibração adicional.

5. Significado e Impacto Futuro

• Habilitando Tecnologias Assistivas: O CONF-LA fornece a primeira solução robusta e em tempo real para atribuição de linha que suporta comportamentos naturais de leitura (regressões, saltos) sem exigir restrições de interface restritivas ou infraestrutura pesada de aprendizado de máquina.
• Interpretabilidade: Ao emitir pontuações de confiança e incerteza explícita, o sistema permite que desenvolvedores construam interfaces que se adaptam à confiabilidade do usuário (por exemplo, adiando o destaque se o sistema não tiver certeza).
• Acessibilidade: A natureza de baixa latência e amigável a CPU do algoritmo torna-o acessível para implantação em dispositivos de nível de consumidor (laptops, tablets) e rastreadores oculares de baixo custo, democratizando o acesso ao suporte de leitura baseado no olhar para crianças e usuários neurodivergentes.
• Direções Futuras: Os autores sugerem avançar para modelos probabilísticos totalmente parametrizados (por exemplo, usando distribuições Dirichlet para transições) para melhorar a calibração de confiança e permitir o ajuste adaptativo de parâmetros com base no comportamento individual do usuário.

Em resumo, o CONF-LA representa uma mudança de "correção forçada" para "inferência consciente de confiança", oferecendo uma base estável e em tempo real para a próxima geração de sistemas de suporte à leitura baseados no olhar.