EgoCampus: 自我中心行人眼动注视模型与数据集
计算机视觉与模式识别
2026-03-06 v2
摘要
我们通过测量和建模室外校园环境中自我中心行人的眼动注视，解决预测人类在真实世界导航中的视觉注意力这一挑战。我们引入 EgoCampus 数据集，涵盖大学校园中 25 条独特的室外路径、全长超过 6 公里，录入了 80 多名不同行人的数据，产生了一组多样化的注视标注视频。采集系统采用 Meta 的 Project Aria 眼镜，集成了眼动追踪、前视 RGB 相机、惯性传感器和 GPS，能从人类视角提供丰富的数据。与许多侧重室内任务或排除眼动注视信息的先前自我中心数据集不同，我们的工作强调受试者在室外校园路径上行走时的视觉注意力。利用这些数据，我们开发了 EgoCampusNet，一种用于预测导航行人在室外环境中移动时眼动注视的新方法。我们的贡献既为研究真实世界注意力提供了新资源，也为未来导航中的注视预测模型研究提供了资源。数据集和代码将在后续日期公开发布，地址为 https://github.com/ComputerVisionRutgers/EgoCampus 。
引用
@article{arxiv.2512.07668,
title = {EgoCampus: Egocentric Pedestrian Eye Gaze Model and Dataset},
author = {Ronan John and Aditya Kesari and Vincenzo DiMatteo and Kristin Dana},
journal= {arXiv preprint arXiv:2512.07668},
year = {2026}
}