面向头戴式显示器的实用扫视预测：迈向一个综合模型

眼动追踪技术是新型显示设备（如虚拟现实和增强现实头显）的组成部分。注视信息的应用范围从利用眼动模式的新交互技术到注视依赖的数字内容生成。然而，系统延迟在许多此类应用中仍是一个显著问题，因为它打破了当前与测得注视位置之间的同步。因此，可能导致不期望的视觉伪影与用户体验下降。在本工作中，我们聚焦于注视点渲染应用，其中图像质量向周边降低以节省计算量。在注视点渲染中，延迟的存在导致渲染帧的更新滞后，使用户可见质量退化。为解决此问题并对抗系统延迟，近期工作提出使用扫视落点位置预测从延迟的眼动追踪样本中外推注视信息。尽管该策略的益处已被证实，但解决方案从简单高效的（对扫视眼动做若干假设）到复杂昂贵的（使用机器学习技术）不一。然而，预测在多大程度上可从考虑附加因素中获益尚不清楚。本文提出一系列实验，探究在常见虚拟现实与增强现实应用中不同因素对扫视预测的重要性。特别地，我们研究了三维空间中扫视朝向与平滑追踪眼动（SPEM）的影响，及其影响与跨用户变异性的比较。我们还提出了一种简单而高效的校正方法，使现有扫视预测方法适应处理这些因素而无需进行大量数据采集。