DiffEyeSyn：基于扩散模型的用户专属眼动合成

高频眼动数据比低频数据包含更多用户专属信息，具有广泛应用前景。然而，现有眼动建模方法聚焦于低频数据，忽略了高频眼动中用户专属的细微运动。我们提出 DiffEyeSyn——首个能够为个体用户专属合成眼动的计算方法。核心思想是将用户专属信息视为眼动数据中的一种特殊噪声，从而将眼动合成塑造成将此类用户专属噪声注入到任意给定眼动序列中的任务。我们将该注入任务形式化为条件扩散过程，合成过程依据从预训练模型提取的用户专属嵌入向量进行条件化。我们提出用户身份引导—a一种新型损失函数，使模型在保持用户身份的同时生成符合人类特征的眼动。在两个公开数据集上的实验表明，合成的眼动保留了用户专属特征，优于基线方法。进一步表明 DiffEyeSyn 能生成大规模眼动数据，支持多种下游任务，如基于眼动的用户识别。因此，我们的工作为具有显著应用潜力的个性化眼动合成奠定了方法论基础，包括角色动画、眼动生物识别和眼动数据插值等。