Studente SCOPELLITI, ALESSANDRO
Facoltà/Dipartimento Dipartimento Ingegneria dell'Informazione
Corso di studio INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Anno Accademico 2018
Data dell'esame finale 2020-02-25
Titolo italiano Generative Adversarial Networks per la previsione dello sguardo nel dominio delle GUI
Titolo inglese Generative Adversarial Networks for gaze prediction in the GUI domain
Abstract in italiano Negli ultimi anni, l’area di ricerca che si occupa di studiare l’attenzione visiva ha conosciuto una grandissima diffusione grazie all'Intelligenza Artificiale. L’invenzione di nuovi modelli predittivi rende possibile raggiungere ottimi risultati nel campo delle immagini naturali. Pochi approcci hanno tentato di applicare questi risultati al dominio delle interfacce grafiche web per la previsione dello sguardo degli utenti che osservano un certo layout. La prima parte della tesi si pone come obiettivo quello di predire mappe di salienza, per identificare le zone che attraggono maggiormente il focus dell’utente. La seconda parte, invece, ha lo scopo di prevedere il percorso dello sguardo più probabile che gli occhi dell’utente compiono mentre osservano un sito web per la prima volta. Verrà esplorato l’uso di Generative Adversarial Networks in entrambi i problemi che cercheremo di risolvere.
Abstract in inglese In recent years, the research area dealing with the study of visual attention has become very popular, thanks to Artificial Intelligence. The invention of new predictive models makes it possible to achieve excellent results in the field of natural images. Few approaches have attempted to apply these results to the domain of web Graphical User Interfaces in order to predict the behavior of the eyes of users observing a certain layout. The first part of the thesis aims to predict saliency maps to identify the areas that most attract the user’s focus. Instead, the second part aims at predicting the most likely path of the user’s gaze while observing a website for the first time. The use of Generative Adversarial Network will be explored in both problems we will try to solve.
Relatore URSINO, DOMENICO
Controrelatore PORCINO, GIANLUCA
Appare nelle tipologie: Laurea specialistica, magistrale, ciclo unico
File in questo prodotto:
File Descrizione Dimensione Formato  
thesis.pdf contiene la tesi in formato pdf/a 11.19 MB Adobe PDF Visualizza/Apri
frontespiziofirmato.pdf contiene il frontespizio firmato 181.95 kB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/20.500.12075/6718