시선 추적은 사람의 눈동자 움직임을 정밀하게 기록해 어떤 지점을 얼마나 바라보는지 파악하는 기술입니다.

이렇게 얻어진 시선 데이터는 이미지나 영상에서 주목받는 영역을 색으로 표현한 ‘주의 히트맵’으로 시각화되며, 이 히트맵이 이후 딥러닝 알고리즘을 학습시키는 핵심 데이터로 활용됩니다.

우리의 히트맵은 합성곱 신경망(CNN) 기반 딥러닝 알고리즘으로 생성됩니다.

CNN은 뉴런이 층을 이루는 뇌 구조를 본뜬 모델로, 여러 계층의 노드가 가중치로 서로 연결되어 있습니다. 학습 초기에는 가중치가 무작위라 예측 히트맵과 실제 시선 추적 히트맵 사이의 오차가 크지만, 이 오차를 줄이는 방향으로 가중치를 반복적으로 조정하며 모델을 학습시킵니다.

충분한 학습을 거친 뒤에는 예측 히트맵이 실제 시선 패턴과 거의 일치하며, 우리는 새로운 데이터 세트를 지속적으로 추가해 알고리즘의 정확도를 유지하고 업계 기준을 충족하도록 관리합니다.

우리의 예측 살리언시맵 모델의 정확도를 검증하기 위해, 다양한 환경과 시각적 자극 조건에서 수집된 시선 추적 데이터셋을 기반으로 체계적인 내부 검증 절차를 수행했습니다.

공개된 시선 추적 데이터셋과 자체적으로 수집한 실험 데이터를 함께 활용하여 모델이 다양한 디자인 유형(웹페이지, 산업용 UI, 제품 인터페이스 등)에 대해 실제 인간의 시선 분포를 얼마나 정밀하게 예측하는지를 분석하였으며 이후, 각 테스트 이미지에 대해 모델이 생성한 히트맵과 실제 시선 추적 결과 간의 상관계수를 산출하여 일치도를 평가했습니다.

그 결과, 전반적으로 평균 90% 이상의 일치율을 달성했으며, 이는 실제 사용자 기반의 시선 패턴을 효과적으로 재현하고 인간의 주의 집중 영역을 정밀하게 모사할 수 있는 수준에 도달하였습니다.