Wie funktioniert EyeQuant?

EyeQuants Vorhersagen werden durch ein neurowissenschaftliches Computermodell menschlicher Aufmerksamkeit möglich. Das Modell fasst dabei das Blickverhalten von über 300 Probanden auf insgesamt tausenden von grafischen Stimuli mit den neuesten Erkenntnissen neurowissenschaftlicher Aufmerksamkeitsforschung zusammen.
Die aktuelle EyeQuant Technologie ist darauf spezialisiert, Webseiten, Landing Pages und Werbebanner innerhalb weniger Sekunden zuverlässig auf ihre Aufmerksamkeitswirkung zu analysieren.

 

Über 300 Probanden in einem Aufmerksamkeitsmodell

 

sonja subjectUm zu den Modellen zu gelangen, führen wir am Labor für Neurobiopsychologie der Universität Osnabrück seit Jahren Eye-Tracking Studien durch. In diesen zeigen wir Probanden aus verschiedenen Zielgruppen Bilder (vor allem Webseiten und natürliche Stimuli), während Präzisions-Eye-Tracker deren Blickbewegungen aufzeichnen. Dazu berechnen wir über 40 entscheidende statistische Eigenschaften jedes Bildes: So z. B. Farb- und Luminanzkontraste, Kontur- und Textur-Eigenschaften. Algorithmen aus dem Machine Learning  identifizieren nun, welche dieser Eigenschaften die Blicke eines Probanden in welchem Ausmaß angezogen haben.
Die dabei ermittelten Gewichtungen fassen wir in Aufmerksamkeitssignaturen zusammen, welche die Blickeigenschaften einzelner Versuchspersonen widerspiegeln.
Über ein Framework zur Aufmerksamkeitsmodellierung führen wir die Signaturen im letzten Schritt zu einem Modell zusammen. Dieses Modell ist nun in der Lage, die Aufmerksamkeitswirkung einer neuen, nie zuvor getrackten Bilddatei zuverlässig und sekundenschnell vorherzusagen.

Wie wird EyeQuant evaluiert?

Artikelaktionen
Summary
  • EyeQuants Vorhersagen werden durch ein neurowissenschaftliches Computermodell menschlicher Aufmerksamkeit möglich.

  • Das aktuelle Modell basiert auf den Blickbewegungen von über 300 Probanden.

  • Proprietäre Algorithmen aus der Hirnforschung und dem Machine Learning fassen die Aufmerksamkeitssignaturen der Probanden in recheneffizienten Vorhersagemodellen zusammen