Stima del livello di abilità e rilevamento degli errori dallo sguardo in video in prima persona
In breve
Analizzare dove guarda chi indossa gli occhiali smart per stimarne il livello di abilità in un'attività e riconoscere i momenti in cui qualcosa va storto.
Lo sguardo dice molto di come lavoriamo: un esperto guarda nel punto giusto al momento giusto, spesso prima ancora di muovere le mani, mentre un principiante esita e cerca. Gli occhiali smart misurano dove guardiamo con un consumo molto più basso di quello di una telecamera, e questo rende lo sguardo un segnale ideale per i dispositivi indossabili.
L’obiettivo della tesi è costruire un sistema che, analizzando lo sguardo di chi indossa gli occhiali, stima il livello di abilità in un’attività e riconosce i momenti in cui l’esecuzione va storta. Si lavora con grandi dataset di video in prima persona corredati di dati di sguardo e con modelli leggeri, pensati per funzionare direttamente sul dispositivo. È una tesi di ricerca tra visione artificiale e comportamento umano.
Per iniziare
- Mazzamuto, Furnari, Sato, Farinella, Gazing Into Missteps: Leveraging Eye-Gaze for Unsupervised Mistake Detection in Egocentric Videos of Skilled Human Activities, CVPR 2025, arXiv 2406.08379.
- Wu, Ashutosh, Grauman, SkillSight: Efficient First-Person Skill Assessment with Gaze, arXiv 2511.19629.
Ti interessa questa tesi? Scrivimi indicando il tuo corso di laurea e gli esami sostenuti.