GazePrior：基于学习的 3D 凝视重建的零样本 AR/VR 眼动追踪
计算机视觉与模式识别
2026-05-22 v1
摘要
眼动追踪（ET）是面向高级 AR/VR 应用的基础技术。然而，为每个新的 ET 设备训练 ET 模型具有挑战性：真实数据收集成本高昂且耗时，而现有合成数据生成方法缺乏真实感。为消除额外数据收集的需求并保持数据质量，我们引入一种数据驱动的 3D 先验模型，建模人类眼睛在不同身份、凝视方向和光照设置下的分布。该模型，我们命名为 GazePrior，然后 enables 对使用先前 ET 设备收集的带注释数据进行稀疏输入的 3D 重建，这些数据可以从任何目标 ET 设备的摄像机中进行渲染。我们的 approach 在不具象成本的情况下，以真实数据收集的真实感、多样性和ground-truth 准确性合成数据。我们的实验表明，使用我们合成的数据训练的 ET 模型在零样本方法中取得更高的准确率和鲁棒性。
引用
@article{arxiv.2605.22359,
title = {GazePrior: Zero-Shot AR/VR Eye Tracking via Learned 3D Gaze Reconstruction},
author = {Corentin Dumery and David Colmenares and Alexander Fix and Pascal Fua and Ali Behrooz and Jogendra Kundu},
journal= {arXiv preprint arXiv:2605.22359},
year = {2026}
}
备注
Project page: https://corentindumery.github.io/projects/gazeprior.html