시각 자극 패턴에 의해 유발되는 동공 빛 반사 반응을 이용한 인터페이스 시스템 개발: 딥러닝 기반 시퀀스 모델링 접근 (Pupillary Light Reflex-Based Interface System Induced by Visual Stimulus Patterns: Approach of a Deep Learning-Based Sequence Modeling)

서지정보

· 발행기관 : 한국감성과학회
· 수록지 정보 : 감성과학 / 28권 / 1호 / 33 ~ 42페이지
· 저자명 : 한예은, 박상인

초록

본 연구는 동적 밝기 변화 패턴이 포함된 시각 자극을 이용한 동공 빛 반사 기반 인터페이스 기술 개발을 그 목적으로 한 다. 동적 밝기 변화 패턴(휘도 0과 255 사이의 변화)의 시각 자극 10종을 개발하였고 3초 동안 시각 자극 패턴 변화를 응시 하는 태스크를 통해 동공 반응을 측정 및 분석했다. 하나의 trial은 10종의 시각 자극이 한 번씩 무작위의 순서로 제시되는 것으로 정의되었고, 전체 실험은 총 12 trials로 진행되어 각 시각 자극은 120회 반복되었다. 다섯 가지 딥러닝 시퀀스 모델 중 TCN이 가장 높은 성능을 나타내었고 10명의 실험 참가자에 대해 94.01±3.94%(56.64±6.01 bits/min)의 분류 성능이 확 인되었다. PLR은 사용자 학습 및 훈련이 요구되지 않는 직관적인 인터페이스 기술이고 다양한 시각 자극 패턴의 개발을 통 한 높은 확장성을 가지고 있다는 점에서 향후 그 가치가 주목되는 기술로 판단된다.

영어초록

This study aims to develop a novel interface technology based on the pupillary light reflex (PLR) using visual stimuli incorporating dynamic brightness changes. Ten types of visual stimuli featuring variations in luminance between 0 and 255 were designed. Pupil size changes were measured and analyzed through a task in which subjects focused on the visual stimuli for 3 seconds. One trial was defined as the presentation of all ten visual stimuli in a random order. The experiment consisted of 12 trials, with each visual stimulus presented 120 times in total. Among five deep learning-based sequence models, the temporal convolutional network exhibited the highest performance across ten subjects, achieving a classification accuracy of 94.01 ± 3.94% and an information transfer rate of 56.64 ± 6.01 bits/min. The PLR-based interface is an intuitive system that does not require user training. Its high scalability, facilitated by the development of diverse visual stimulus patterns, makes it a promising technology for future applications.

참고자료

· 없음