FACET：基于椭圆建模的快速精准事件型眼动跟踪用于扩展现实
计算机视觉与模式识别
2024-09-25 v1 人工智能
摘要
眼动跟踪是扩展现实(XR)中基于凝视交互的关键技术，但传统帧基系统在满足XR对高精度、低延迟和低功耗的需求方面存在挑战。事件相机因其高时序分辨率和低功耗消耗而提供了有前景的替代方案。本文提出FACET(Fast and Accurate Event-based Eye Tracking)，一个从事件数据直接输出瞳孔椭圆参数的端到端神经网络，专为实时XR应用优化。该椭圆输出可直接用于后续椭圆基瞳孔跟踪器中。我们通过扩充注释数据并将原始掩码标签转换为椭圆基注释来增强EV-Eye数据集。此外，采用新颖的三角函数损失以解决角度连续性问题，并提出一种快速因果事件体积事件表示方法。在增强后的EV-Eye测试集上，FACET实现了0.20像素的平均瞳孔中心误差和0.53毫秒的推理时间，相较于现有方法EV-Eye，像素误差和推理时间分别降低了1.6倍和1.8倍，参数数量和算术运算量分别降低了4.4倍和11.7倍。代码已公开于https://github.com/DeanJY/FACET。
引用
@article{arxiv.2409.15584,
title = {FACET: Fast and Accurate Event-Based Eye Tracking Using Ellipse Modeling for Extended Reality},
author = {Junyuan Ding and Ziteng Wang and Chang Gao and Min Liu and Qinyu Chen},
journal= {arXiv preprint arXiv:2409.15584},
year = {2024}
}
备注
8 pages, 5 figures