LEyes：一种基于深度学习、利用合成眼图进行眼动追踪的轻量级框架

深度学习已强化了视线估计技术，但真实世界部署因训练数据集不足而受阻。该问题因眼图的硬件诱导差异以及被记录参与者固有的生物学差异而加剧，导致特征和像素层面的方差，阻碍了在特定数据集上训练模型的泛化能力。虽然合成数据集可作为一种解决方案，但其创建既耗时又耗资源。为解决此问题，我们提出了一个称为 Light Eyes 或“LEyes”的框架，与传统的照片级真实感方法不同，它仅使用简单的光分布对基于视频的眼动追踪所需的关键图像特征进行建模。LEyes 便于针对多样化视线估计任务配置训练神经网络。我们证明，在知名数据集上，使用 LEyes 训练的模型在瞳孔和角膜反射（CR）定位方面持续与其他最先进（SOTA）算法相当或优于它们。此外，LEyes 训练的模型以显著更具成本效益的硬件超越了行业标准的眼动追踪器。展望未来，我们确信 LEyes 将革新用于视线估计模型的合成数据生成，并带来下一代基于视频的眼动追踪器的显著改进。