GazeTrack：基于正则化与空间计算的高精度眼动追踪

眼动追踪正在虚拟和增强现实应用中发挥越来越重要的作用，但当前的眼动精度尚不足以满足空间计算的需求。我们设计了一个眼动采集框架，并利用高精度设备收集了首个精确基准数据集GazeTrack，涵盖了多种族、年龄和视力条件，用于瞳孔定位和眼动追踪。我们提出了一种新型形状误差正则化方法，以约束瞳仆椭圆拟合，在开源数据集上进行训练，以提高语义分割和瞳孔位置预测的精度。此外，我们发明了一种类似纸片展开的新型坐标转换方法，以准确预测GazeTrack数据集上的眼动向量。最后，我们构建了一个实现较低计算复杂度且眼动角度误差缩小的眼动向量生成模型。