PsychoPy中Gazepoint眼动仪校准屏幕异常问题的分析与解决
问题现象
在使用PsychoPy 2024.1.5版本配合Gazepoint眼动仪进行实验时,用户遇到了一个典型的校准显示问题。具体表现为:在进行眼动仪校准时,屏幕会短暂显示2-3次绿色闪屏,而正常的校准点和校准屏幕却无法正常显示。值得注意的是,起始校准界面和结束校准界面能够正常显示,且如果跳过校准环节,眼动追踪数据仍能被正常记录。
技术背景
PsychoPy是一个广泛使用的心理学实验构建工具,它支持多种硬件设备的集成,包括各种型号的眼动仪。Gazepoint作为其中一种支持的眼动追踪设备,需要通过特定的插件与PsychoPy进行交互。在校准过程中,系统会在屏幕上显示一系列目标点,要求被试注视这些点,从而建立眼球位置与屏幕坐标之间的映射关系。
问题根源分析
经过技术团队的调查,发现该问题源于单位转换错误。具体来说,在校准目标尺寸的计算过程中,系统错误地将像素单位转换为了屏幕高度的倍数。例如,原本应该设置为30像素的校准点大小,实际上被设置为屏幕高度的30倍,导致校准点变得异常巨大(超出屏幕范围),从而表现为绿色闪屏现象。
解决方案
针对这一问题,PsychoPy开发团队已在后续版本中进行了修复:
- 升级PsychoPy至2024.2.1版本
- 同时升级psychopy-gazepoint插件至0.0.2版本
这两个版本的组合已经解决了单位转换错误的问题,能够正确显示校准点和校准屏幕。
额外技术细节
值得注意的是,用户还报告了另一个相关技术问题:为了使用Gazepoint眼动仪,需要手动添加GazepointSampleEvent到特定的初始化文件中。这一操作反映了早期版本中可能存在的插件完整性不足的问题。在最新版本中,这一手动操作应该不再需要,因为插件已经包含了所有必要的组件。
结论
对于使用PsychoPy配合Gazepoint眼动仪的研究人员,建议始终保持软件和插件的最新版本。这不仅能够避免已知的技术问题,还能获得更好的性能和稳定性。当遇到类似显示异常时,检查单位转换和尺寸计算通常是有效的排错方向。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00