EETnet：用于智能眼镜的基于CNN的眼动检测与跟踪
计算机视觉与模式识别
2025-11-10 v1
摘要
事件式相机因其高效低功耗的眼动跟踪优势而日益受到青睐。由于事件数据的稀疏和非同步特性，事件式相机需要更少的处理器资源，延迟可达到微秒级。然而，许多现有解决方案仅在强大GPU上进行验证，无法部署到实际嵌入式设备上。本文提出EETnet，这是一种专为眼动跟踪使用纯事件数据而设计的卷积神经网络，能够在资源有限的微控制器上运行。此外，我们概述了一种方法，用于使用公共数据集训练、评估和量化网络。最后，我们提出了两种版本的体系结构：一种是基于网格 superimposed 在原始图像上的网格检测瞳孔的分类模型，另一种是以像素级别运行的回归模型。
引用
@article{arxiv.2511.04779,
title = {EETnet: a CNN for Gaze Detection and Tracking for Smart-Eyewear},
author = {Andrea Aspesi and Andrea Simpsi and Aaron Tognoli and Simone Mentasti and Luca Merigo and Matteo Matteucci},
journal= {arXiv preprint arXiv:2511.04779},
year = {2025}
}
备注
International Joint Conference on Neural Networks (IJCNN), 2025