标签
一位马拉维创新者开发了一套人工智能驱动的系统，使运动障碍人士能够通过眼球运动控制计算机，旨在无需专用硬件的前提下为其提供更大的独立性。
Entropik的Decode发布了AI Creative Insights，这是一款在媒体投放前，通过AI辅助的眼动追踪和情绪分析来预测广告效果的工具。
本文比较了MapTask和MUNDEX语料库中的视线行为，以理解协作任务中的共同基础，发现任务导向的视线与对齐的引用和理解的判断相关，但效果不大。
本文使用眼动追踪数据评估粤语适配语言模型是否能更好地预测粤语阅读，比较了CKIP GPT-2和CantoneseLLM-7B等模型。结果表明，更广泛的粤语特定训练可以提高预测拟合度，尽管性能因信息论度量而异。
Matic是一款家用机器人，能响应语音指令，并利用眼睛和手指追踪来定位地板上的点，展示了先进的交互能力。
本文探讨利用基于网络摄像头的轻量级眼动追踪特征来改进中文论文摘要的关键词抽取，介绍了CLIS-ET语料库，并表明注视特征能够提升关键词抽取（KPE）性能。
本文提出使用现成的CLIP风格多模态编码器，结合双模态归因方法来预测视觉世界实验中的注视行为，无需微调即可成功复现一项关于人类预测加工的开创性研究。
本文介绍LEXIC，一种轻量级方法，通过将预计算的词级难度信号（GPT-2意外值、词频、词长）注入仅眼动模型中，用于阅读理解预测，在EyeBench基准上相比基线略有提升。
本文研究了脑电图信号能否补充眼动追踪信号用于微博的自动关键词提取。使用ZuCo语料库，作者表明认知信号，特别是脑电图信号，在不同模型上均能提升自动关键词提取的性能。
本文探讨了使用视觉-语言模型（VLM）通过结合注视数据与视频内容来检测教育视频中的注意力丧失，但发现VLM方法并未超越传统的机器学习基线。
本文介绍了GroupAffect-4，一个包含40名参与者（组成10个四人小组）执行协作任务的多模态数据集。数据集包括对齐的生理、眼动、音频、自我报告和个性数据，以及针对个体内、个体间和群体层面分析的基准目标。
研究者通过探针语言模型表征，在五种语言中预测人类阅读时间，发现早期层在早期眼动指标上优于惊讶度，而惊讶度在晚期指标上仍占上风。
# 论文页面 - NTIRE 2026 视频显著性预测挑战赛：方法与结果 来源：[https://huggingface.co/papers/2604.14816](https://huggingface.co/papers/2604.14816) 作者：,,,,,,,,,,,,,,,,,,,,, ## 摘要 本文概述了 NTIRE 2026 视频显著性预测挑战赛。挑战赛的目标是为提供的视频序列开发自动显著图预测方法。为此，我们准备了一个包含 2,000 条多样化视频、采用开放许可的全新数据集。通过众包鼠标追踪收集注视点及对应显著图，涵盖超过 5,000 名评估者的观看数据。评估在 800 条测试视频子集上进行，采用广泛认可的质量指标。本次挑战赛吸引了 20 余支队伍提交结果，最终 7 支队伍通过代码审查阶段。所有数据均已公开——https://github.com/msu-video-group/NTIRE26_Saliency_Prediction。