滑らかな追跡分類のための眼球運動ベンチマークデータ

なぜ目の追跡が重要なのか

文を読むとき、サッカーの試合を見るとき、暗闇でホタルを追うとき——目は素早いジャンプと滑らかな滑走を組み合わせた複雑なダンスを繰り返します。これらの微小な動きは私たちの注意の向きや脳の働きを示し、脳損傷や認知症といった状態を研究するためにますます利用されています。しかし、眼球運動データを解析するコンピュータは、静止物体をじっと見る動きと動くものを滑らかに追う動きを区別するのが苦手です。本論文は、研究者がこれらの運動を見分けるより良い手法を訓練・評価するための、精緻に設計されたデータセットを紹介します。

視線を読むことの難しさ

眼球追跡装置は毎秒何千もの視線位置を記録しますが、その数列を意味あるイベントに変換するのは容易ではありません。速い跳躍（サッケード）、一点をじっと見る（注視）、動く対象を滑らかに追う（スムーズパースート）といった区別があります。注視とスムーズパースートは、生データ上ではどちらも眼がゆっくり移動するために似て見えます。専門家の間でも判定が割れることが多く、多くの計算法も両者を混同します。これは特に問題で、スムーズパースートの性能は統合失調症、外傷性脳損傷、神経変性疾患の診断や理解にとって重要な手がかりだからです。

制御されたクリーンな眼球運動の設計

この問題に取り組むため、著者らはノイズの多い実世界の場面に頼るのではなく、高度に制御された実験を構築しました。10人の大学生が顎台で頭を固定し、黒い背景の画面上で単一の小さな灰色の円が異なる方法で動くのを見ました。研究者らはこの円に三つの単純な“挙動”を用意しました：画面上を滑らかに横切る移動、固定点間を飛ぶジャンプ、滑らかに移動してから最初に戻ってジャンプする往復運動です。各試行は、遅い動き（注視かスムーズパースートのどちらか一方）だけが起こり得るように設計され、速いジャンプも含まれます。この巧妙な設定により、長くゆっくりした区間はほぼ純粋に注視か純粋に追跡のどちらかであり、両者が混在することはほとんどありません。

慎重な計測と高品質なデータ

チームは右目の位置を毎秒1000回記録する高速眼球計測装置を使用し、画面は毎秒144回リフレッシュしました。ターゲットは上下左右と四つの対角線の計8方向に沿って動き、追跡の速さは遅・中・速の三段階でした。各参加者は144回の短い試行を完了し、1人当たり約24分、全体でほぼ4時間分のデータが得られました。研究者らは眼球計測装置を繰り返しキャリブレーションし、記録された視線がターゲットとどれだけ一致しているかを確認し、まばたきやトラッキング喪失によるデータ欠損の頻度も監視しました。ある参加者の一部の試行に明らかに位置ずれがあることは特定されましたが、それ以外は眼とターゲットの位置が良く整合し、注視は安定かつ精密であることが示されました。

生のトレースから有用なラベルへ

全ての瞬間を人手でラベル付けする代わりに、著者らは実験の構造を利用して自動ラベリングを行いました。まず生データをクリーニングし、まばたきを除去し、画面上の位置を眼の動きをより反映する視角に変換しました。次に各試行について、時間に対する眼位置の変化速度を算出し、個別のカットオフ速度を構築しました。このカットオフより遅い動きは「遅い」イベント（試行の種類に応じて注視か追跡）として扱い、より速い短時間の爆発的な動きはジャンプ（サッケード）として扱いました。約0.01秒より短い非常に短いイベントは、微小なノイズを意味ある眼球運動として数えないように再ラベルされました。これにより、実験設計と計測された眼速度に基づく、著者らが呼ぶ「妥当なベンチマークラベル」が注視、サッケード、スムーズパースートについて得られました。

研究コミュニティ向けのツール

データセットを広く使えるようにするため、著者らは全ファイルをオープンなオンラインプラットフォームに公開し、Pythonでの付属ソフトウェアも公開しました。研究者は生の記録、クリーニング済みのバージョン、各参加者に関する情報、正確なターゲット経路をダウンロードできます。付属パッケージにはデータのダウンロード、前処理、ラベリングを行う既製の関数や、試行を可視化するプロットツールが含まれます。実験コードも利用可能なため、他の研究室は同じ課題を再現してデータセットを拡張したり、ターゲットの位置情報をアルゴリズムに組み込む新たな方法を探ったりできます。

今後の視線追跡にとっての意義

一般読者にとっての要点は、この研究がコンピュータに異なる眼球運動、特に滑らかに動きを追う微妙な動作を認識させるためのクリーンな試験場を提供するということです。最も混同されやすい動きが同一試行で重ならないようにし、誤りやすい人手の判断に頼らずに明瞭な速度差に基づくことで、著者らは他者が拡張できる堅実な参照セットを提示しました。こうしたデータで訓練されたより良いアルゴリズムは、心理学、神経科学、医療診断における視線追跡をより信頼できるツールにし、臨床家や研究者が目を通じて脳の働きをより明瞭に把握できるよう助ける可能性があります。

引用: Korthals, L., Visser, I. & Kucharský, Š. Eye movement benchmark data for smooth-pursuit classification. Sci Data 13, 375 (2026). https://doi.org/10.1038/s41597-026-06963-4

キーワード: 視線追跡, スムーズパースート, サッケード, ベンチマークデータセット, 注視分類