Gazealytics: A Unified and Flexible Visual Toolkit for Exploratory and Comparative Gaze Analysis
本文提出开源 Web 工具 Gazealytics，通过协调视图、AOI/TWI 标注筛选和矩阵表示，统一支持眼动数据的时空探索、组内组间比较与洞见交流。
2023-04-26 cs.HC
Visual Decoding of Targets During Visual Search From Human Eye Fixations
Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）
人类的凝视揭示了用户的意图是什么？这些意图在多大程度上可以被推断甚至可视化？凝视被提出作为一种隐式信息源来预测视觉搜索的目标，最近，预测搜索目标的对象类别和属性。在这项工作中，我们更进一步，研究了将使用深度卷积神经网络编码人类凝视信息的最新进展与生成图像模型的能力相结合的可行性，以视觉解码，即创建搜索目标的视觉表示。这样的视觉解码是具有挑战性的，原因有两个：1）搜索目标仅作为主观视觉模式驻留在用户的头脑中，并且通常甚至不能被人口头描述，以及2）到目前为止，还不清楚注视注视是否包含用于该任务的足够信息。我们表明，第一次，搜索目标的视觉表示确实只能从人类的凝视固定解码。我们建议首先将注视编码成语义表示，然后将此表示解码成图像。我们在最近的一个凝视数据集上评估了我们的方法，该数据集包含14名参与者，他们在图像拼贴中搜索服装，并使用两项人类研究验证了模型的预测。我们的研究结果表明，62%（机会水平= 10%）的时间用户能够正确选择解码图像的类别。在我们的第二个研究中，我们展示了本地注视编码对解码用户视觉搜索目标的重要性。
2017-06-21 cs.CV cs.HC
GazePrinter: Visualizing Expert Gaze to Guide Novices in a New Codebase
Lund University（隆德大学）；ETH Zürich（苏黎世联邦理工学院）；Malmö University（马尔默大学）
本文提出GazePrinter，通过可视化专家注视帮助新手理解新代码库。研究发现，专家注视可视化能显著影响新手的代码路径选择，减少时间和认知负荷。
2026-03-20 cs.ET cs.HC cs.SE
Social Visual Behavior Analytics for Autism Therapy of Children Based on Automated Mutual Gaze Detection
社会视觉行为作为一种非语言交流方式，在研究自闭症治疗干预的复杂互动环境中的社会认知过程中发挥着重要作用。然而，对于自闭症儿童的社交视觉行为分析，手动收集凝视数据并对其进行评估是具有挑战性的，因为这需要人类编码人员花费大量时间和精力。在本文中，我们介绍了一种社会视觉行为分析方法，通过量化的相互凝视的表现，儿童接受基于游戏的自闭症干预，使用自动相互凝视检测框架。我们的分析是基于一个视频数据集，捕捉和记录自闭症儿童和他们的治疗教练之间的社会互动（N=28观察，84视频剪辑，21小时的持续时间）。我们的框架的有效性进行了评估，通过比较来自相互凝视检测框架与人类编码的比值的相互凝视比。我们分析了不同治疗环境、活动和疗程中的相互凝视频率和持续时间。我们使用多个基于机器学习的回归模型创建了用于社交视觉行为评分预测的相互凝视相关度量。结果表明，我们的方法提供了相互凝视的措施，可靠地代表（甚至取代）人类编码器的手编码的社会凝视措施，并有效地评估和预测ASD儿童的社会视觉表现在干预期间。我们的研究结果对（特殊）教育和工作场所中许多共处环境中的小群体行为评估中的社会互动分析具有影响。
2023-02-16 cs.HC
GazeSync: A Mobile Eye-Tracking Tool for Analyzing Visual Attention on Dynamically Manipulated Content
University of St Andrews（圣安德鲁斯大学）；University of Essex（埃塞克斯大学）；King’s College London（伦敦国王学院）
GazeSync通过同步设备眼动估计与实时图像变换矩阵，解决动态内容中视觉注意力的准确捕捉问题，验证了其在引导操控、阅读和视觉搜索任务中的有效性。
2026-03-30 cs.HC
Non-contact Real time Eye Gaze Mapping System Based on Deep Convolutional Neural Network
Gwangju Institute of Science and Technology（光州科学技术院）
人机交互（HCI）是研究人类用户和计算机系统之间交互的领域。随着HCI的发展，个人或群体可以使用各种数字技术来实现最佳的用户体验。人类视觉注意力和视觉智能与认知科学、心理学和营销信息学有关，并用于人机交互的各种应用中。凝视识别与人机交互领域密切相关，因为它可以增强对人类基本行为的理解。我们可以通过凝视匹配方法找到用户正在凝视的区域，从而获得可靠的视觉注意力。在先前的方法中，用户佩戴眼镜型设备，该眼镜型设备以配备有注视跟踪功能的眼镜的形式并且在有限的监视器区域内执行注视跟踪。此外，在用户的姿势固定的同时执行有限范围内的注视估计。本文克服了以往方法的物理局限性，提出了一种适用于现实环境的非接触式视线映射系统。此外，我们还介绍了GIST凝视映射（GGM）数据集，这是一个用于学习和评估凝视映射的凝视映射数据集。
2020-09-10 cs.CV cs.HC
VIS-iTrack: Visual Intention through Gaze Tracking using Low-Cost Webcam
Islamic University of Technology（伊斯兰技术大学）；University of Manitoba（曼尼托巴大学）；National University, Bangladesh（孟加拉国国立大学）
人的意图是获取所需信息的内在心理表征。从包含文本或图形信息的交互式界面，感知所需信息的意图是主观的，并与眼睛注视密切相关。在这项工作中，我们确定这样的意图，通过分析实时眼睛凝视数据与低成本的常规摄像头。我们提取了独特的特征（例如，固定计数，眼动比），以生成包含用于感知文本或图形信息的视觉意图的124个样本的数据集，标记为文本或图像，分别具有48.39%和51.61%的分布。使用该数据集，我们分析了5个分类器，包括支持向量机（SVM）（准确率：92.19%）。使用训练好的SVM，我们调查了30名参与者的视觉意图的变化，分布在3个年龄组，发现年轻用户更倾向于图形内容，而老年人对文本内容更感兴趣。这一发现表明，实时眼睛注视数据可以是识别视觉意图的潜在来源，分析可以设计和开发哪些意图感知交互界面以促进人类认知。
2022-02-05 cs.CV cs.HC cs.LG
Advanced Gaze Analytics Dashboard
本文提出一种眼动分析仪表板，利用现成眼动仪实时可视化环境-焦点注意、认知负荷和注视转换等高级指标，并在两个公开数据集上验证其多源数据支持能力。
2024-09-10 cs.HC
Gaze Archive: Enhancing Human Memory through Active Visual Logging on Smart Glasses
Gaze Archive通过智能眼镜的主动视觉记录，利用 gaze 作为注意力指标，实现意图精确的记忆捕捉和无干扰的交互，提升了记忆增强的效率和用户体验。
2025-12-01 cs.HC
Characterizing Visual Intents for People with Low Vision through Eye Tracking
本研究通过眼动追踪与回顾性出声思维研究，表征低视力人群在图像查看任务中的五种视觉意图，揭示其注视模式差异，为意图感知辅助技术奠定基础。
2025-08-05 cs.HC
iTrace: Click-Based Gaze Visualization on the Apple Vision Pro
Technical University of Munich（慕尼黑技术大学）
iTrace通过点击式眼动提取技术，在苹果Vision Pro上实现动态热图生成，用于分析个体和集体注意力模式，提升眼动数据的可视化与应用潜力。
2025-11-14 cs.CV cs.HC
Looking Together $\neq$ Seeing the Same Thing: Understanding Surgeons' Visual Needs During Intra-operative Coordination and Instruction
通过现场观察和访谈研究外科医生的术中视觉需求，发现共享注视在指导中存在局限，建议利用叠加技术增强原始注视数据以支持手术协调与指导。
2024-03-21 cs.HC
Bridging the Gap: Enhancing Gaze-Performance Link in Children with ASD through Dual-Level Visual Guidance in MR-DMT
针对ASD儿童在MR-DMT中注视时间长却不能改善动作表现的问题，本文提出并验证一种兼顾注意引导与知觉到执行转换支架的双层视觉引导系统，以增强注视-表现关联。
2025-10-04 cs.HC
FocusFlow: 3D Gaze-Depth Interaction in Virtual Reality Leveraging Active Visual Depth Manipulation
本文提出FocusFlow免手注视深度交互方法，通过双目深度检测、Virtual Window界面和自适应视觉线索学习策略，验证其在VR 3D场景中的可用性与学习效果。
2024-05-07 cs.HC
A Spiral into the Mind: Gaze Spiral Visualization for Mobile Eye Tracking
在没有感兴趣区域（AOI）信息的情况下比较来自多个参与者的移动眼动追踪数据是具有挑战性的，因为个体计时和坐标系统。我们提出了一种技术，凝视螺旋，可视化个人记录的基础上的图像内容的刺激。狭缝扫描可视化的螺旋布局用于创建扫描路径的紧凑表示。可视化提供了多个记录的概述，即使是长时间跨度，并帮助识别和注释记录中的重复模式。凝视螺旋还可以用作可以基于所建立的扫描路径度量被投影到2D空间的字形，以便解释度量并标识类似观看行为的组。我们提出了基于两个以自我为中心的数据集的例子，以证明我们的方法的注释和比较任务的有效性。我们的例子表明，该技术有可能让用户比较，即使是长期的记录普遍的情况下，没有手动注释。
2022-04-28 cs.HC
How Deep Is Your Gaze? Leveraging Distance in Image-Based Gaze Analysis
本文提出深度自适应缩略图方法，根据眼到物体距离动态调整图像尺寸，在增强现实环境中提升了基于图像的视线数据分析与可视化质量。
2024-04-29 cs.HC
Deep Learning-Based Visual Fatigue Detection Using Eye Gaze Patterns in VR
Dept. of Computer Science Clarkson University Potsdam, New York, USA（计算机科学系 克拉克逊大学）；David D. Reh School of Business Clarkson University Potsdam, New York, USA（戴维·D·雷商学院 克拉克逊大学）
本文提出基于深度学习的VR中通过眼动模式检测视觉疲劳的方法，利用眼动轨迹数据实现高准确率的疲劳检测，为沉浸式VR中的自适应交互提供新思路。
2025-10-14 cs.HC cs.LG
Visualization and Comparison of AOI Transitions with Force-Directed Graph Layout
本文提出一种基于分层AOI结构和N-grams的注视轨迹可视化方法，通过力导向图布局展示多AOI间的转换模式及多轨迹差异，帮助分析人员高效发现注视趋势和参与者差异。
2025-05-24 cs.HC
VisiTrail: A Cognitive Visualization Tool for Time-Series Analysis of Eye Tracking Data from Attention Game
本文提出VisiTrail认知可视化工具，通过时间序列分析、注视测量、对象点击序列跟踪和表现指标，揭示注意力游戏中眼动数据与任务表现的关系。
2025-08-28 cs.HC
Continuous Prediction of Web User Visual Attention on short span Windows based on Gaze Data Analytics
现有的方法来确定个性化的网页显着区域不考虑动态行为的时间的Web用户的目光或其内容的变化。为此，本文提出了访问意图的概念，它是一个Web用户在一定时间内，短时间窗口内，对不同兴趣领域的视觉注意力的指标。这一指标提供了用户在一个时间窗口内将访问的网站感兴趣领域的信息，而不需要知道每个窗口中网站的结构。我们的方法利用人口水平的一般注视模式和用户的视觉动力学。我们的实验表明，它是可以进行这样的预测，通过多标签分类模型，使用少量的用户，获得的平均曲线下面积为84.3%，平均准确度为79%，和个人的兴趣区的准确度为77%。此外，用户的视觉动力学特征在每一组交叉验证评估中被一致地选择。
2022-11-17 cs.HC
Eye movement velocity and gaze data generator for evaluation, robustness testing and assess of eye tracking software and visualization tools
眼球运动包含了关于人类感知、意图和认知状态的信息。我们提出了一种新的眼动模拟器，i）概率性地模拟扫视运动的伽马分布，考虑不同的峰值速度和ii）模型与S形函数平滑的追求开始。此外，它能够使用显着图或真实固定目标为静态和动态场景生成速度和二维凝视序列。我们的方法也能够模拟任何采样率，即使有波动。对公开的注释数据的模拟进行评估。该模拟器可以在EyeTrace中使用或在http://ti.unituebingen下载。de/Projekte.1801.0.html。
2018-09-10 cs.HC
Group Gaze-Sharing with Projection Displays
本文提出一种基于投影映射的群体视线共享技术，将多参与者的视线数据统一到桌面公共可视化空间，用于桌面工作坊场景中的群体协作，并通过协作拼图任务验证了其有效性。
2025-05-02 cs.HC
See or Hear? Exploring the Effect of Visual and Audio Hints and Gaze-assisted Task Feedback for Visual Search Tasks in Augmented Reality
本研究提出一种结合视觉/音频提示与注视辅助任务反馈的AR搜索方法，通过用户实验验证其效果，发现组合提示在反馈下可提升搜索效率。
2023-11-14 cs.HC
Modeling the Impact of Visual Stimuli on Redirection Noticeability with Gaze Behavior in Virtual Reality
针对虚拟现实中重定向过度破坏具身体验的问题，本研究探究视觉刺激通过注视行为对重定向可感知性的影响，提出基于注视行为的回归模型，测试精度达0.012 MSE，所实现的自适应技术可减轻身体负担并增强身体所有权感。
2025-02-14 cs.HC
Challenging the Eye-Mind Link Hypothesis: Visualizing Gazes For Each Programming Problem
本研究使用眼动追踪技术，通过记录并分析31名学生解决Java编程练习时的注视数据，可视化并比较正确与错误答案组的注视模式差异，以挑战眼-脑关联假说。
2025-01-12 cs.HC
An End-to-End Review of Gaze Estimation and its Interactive Applications on Handheld Mobile Devices
University of St Andrews（圣安德鲁斯大学）；King’s College London（伦敦国王学院）；University of Glasgow（格拉斯哥大学）
本文对手持移动设备上的视线估计及交互应用进行了端到端综述，涵盖视线捕获传感器、估计工作流、深度学习技术及交互应用，旨在梳理现有技术边界并识别关键研究挑战与机遇。
2023-06-30 cs.CV cs.HC
SonoHaptics: An Audio-Haptic Cursor for Gaze-Based Object Selection in XR
SonoHaptics提出一种音频-触觉光标，通过跨模态映射将物体视觉特征转化为音频-触觉属性，并结合数据驱动模型与自动反馈生成方法，实现XR中无视觉反馈的准确注视选择。
2024-09-01 cs.HC
Pupil: An Open Source Platform for Pervasive Eye Tracking and Mobile Gaze-based Interaction
Pupil Labs UG（Pupil Labs公司）；Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）
商用头戴式眼动仪为工业和研究领域的客户提供了有用的功能，但价格昂贵，并且依赖于封闭源硬件和软件。这将移动眼动追踪的应用领域和使用限制于专家用户，并抑制了用户驱动的开发、定制和扩展。在本文中，我们介绍了瞳孔-一个可访问的，负担得起的，可扩展的开源平台，用于移动眼动追踪和基于凝视的交互。Pupil包括1）具有高分辨率摄像头的轻型头戴式耳机，2）用于移动眼动追踪的开源软件框架，以及3）用于回放和可视化视频和凝视数据的图形用户界面（GUI）。Pupil具有高分辨率场景和眼睛摄像头，用于单眼和双眼凝视估计。该软件和GUI是独立于平台的，并包括用于实时瞳孔检测和跟踪、校准和精确凝视估计的最先进算法。性能评估的结果表明，Pupil可以提供0.6度视角的平均注视估计精度（0.08度精度），处理流水线的延迟仅为0.045秒。
2014-04-30 cs.CV cs.HC
Augmenting speech transcripts of VR recordings with gaze, pointing, and visual context for multimodal coreference resolution
本文提出一个系统，通过将VR语音转录与注视、指向和场景元数据相结合，生成多模态文本描述，使GPT模型在指代消解任务上的准确率较纯语音基线提升26.5%。
2025-09-10 cs.HC
Foveated Haptic Gaze
随着数字世界通过视频游戏、模拟、虚拟和增强现实变得无处不在，无法进入这些世界的残疾人越来越被剥夺权利。这些环境的设计往往侧重于视觉，使视觉障碍者无法全部或部分进入。可解释的游戏和视觉辅助工具已经被开发出来，但是它们缺乏流行性或不直观的界面使得它们对于日常使用是不切实际的。为了解决这一差距，我们提出了Foveated Haptic Gaze，这是一种通过触觉传达视觉信息的方法，它是直观的，旨在与实时三维环境进行交互。为了验证我们的方法，我们开发了一个系统的原型以及一个简化的第一人称射击游戏。最后，我们提出了令人鼓舞的用户研究结果，视力和盲人参与者使用我们的系统玩游戏，没有视觉反馈。
2020-01-21 cs.HC
Defining Gaze Patterns for Process Model Literacy -- Exploring Visual Routines in Process Models with Diverse Mappings
流程模型描述了组织中有关文档、通信和协作的关键工件。正确理解这些模型对于有效应用是必不可少的。过程模型素养的一个重要方面是，人类视觉系统如何提取和处理过程模型中呈现的信息？对于这样的视觉空间任务，视觉系统部署了一组基本操作，从其组成不同的视觉例程产生。本文提供了一个探索性的眼动追踪研究，在过程模型理解的视觉例程的见解。更具体地说，要求n = 29名参与者理解业务流程模型和符号2.0中表达的n = 18个流程模型，这些模型反映了不同的映射（即，直的、向上的、向下的）和复杂性水平。业绩计量表明，即使是不太复杂的流程模型，在理解方面也构成挑战。向上的映射使被试的注意力面临更多的挑战，而向下的映射则被试更有效地理解。根据记录的眼球运动，三个凝视模式应用模型理解过程中得出。在此基础上，我们定义了一个通用的模型，识别过程模型理解过程中的可视化例程和相应的基本操作。最后，本文讨论了对实践和研究的启示以及未来工作的方向。
2021-11-30 cs.CY cs.HC
Analysing ocular parameters for web browsing and graph visualization
本文提出了一套技术，调查眼睛注视和固定模式，而用户与电子用户界面进行交互。特别是，两个案例研究-一个分析眼睛注视，同时与欺骗性的材料在网页上和另一个分析图形在标准的计算机显示器和虚拟现实显示器。我们分析了空间和时间分布的眼睛凝视注视和序列的眼睛注视运动。我们利用这些信息提出了新的设计指导方针，以避免在Web和用户友好的数据表示在2D图形中的欺骗性材料。在2D图形研究中，我们发现，区域图具有最低数量的集群用户的注视和最低的平均响应时间。二维图形研究的结果在虚拟和混合现实环境中实现。与此同时，它被观察到的持续时间，而与网页中的欺骗性材料是独立的固定的数量。此外，基于网络的数据可视化工具，用于分析眼动追踪数据从单个和多个用户的开发。
2021-01-04 cs.HC
Scanpath Prediction on Information Visualisations
Institute for Visualisation and Interactive Systems, University of Stuttgart（斯图加特大学可视化与交互系统研究所）
我们提出了显着性和扫描路径的统一模型（UMSS）-一个学习预测信息可视化上的视觉显着性和扫描路径（即眼睛注视序列）的模型。虽然扫描路径提供了丰富的信息，不同的可视化元素的重要性，在视觉探索过程中，以前的工作一直局限于预测聚合的注意力统计，如视觉显着性。我们对流行的MASSVIS数据集上不同信息可视化元素（例如标题，标签，数据）的凝视行为进行了深入分析。我们发现，虽然，总体而言，凝视模式是惊人的一致的可视化和观众，也有不同的元素在凝视动态的结构差异。根据我们的分析，UMSS首先预测多持续时间元素级显着性图，然后从它们中概率采样扫描路径。在MASSVIS上的大量实验表明，我们的方法在几个广泛使用的扫描路径和显着性评估指标方面始终优于最先进的方法。我们的方法实现了11.5%的扫描路径预测的序列分数的相对改善，和显着性预测的皮尔逊相关系数高达23.6%的相对改善。这些结果是吉祥的，并指向更丰富的用户模型和视觉注意力的模拟，而不需要任何眼动追踪设备。
2023-02-06 cs.CV cs.HC
Analyzing Visual Attention Patterns During Band Rehearsal with Mobile Eye Tracking
Aarhus University（奥胡斯大学）；University of Stuttgart（斯图加特大学）
本研究通过移动眼动追踪技术，分析四名乐队成员在排练中的注视行为，发现以领队为中心的枢纽-辐射式注意力拓扑结构，并量化了学习过程中的注视稳定性变化。
2026-06-02 cs.HC
Imitation Learning with Human Eye Gaze via Multi-Objective Prediction
Texas A&M University（德克萨斯农工大学）；DEVCOM Army Research Laboratory（美国陆军作战能力发展司令部陆军研究实验室）
提出GRIL架构，将人类示教动作与眼动注视作为多目标预测信号联合学习，在四旋翼视觉导航中提升性能、注意力预测与跨场景泛化。
2023-07-22 cs.HC cs.LG cs.RO
Development of a Fast and Robust Gaze Tracking System for Game Applications
在本研究中，一个新颖的眼动追踪系统，使用视觉摄像机来提取人类的视线，它可以用于现代游戏机，给玩家带来新的和创新的互动体验。该系统的核心部分是一个鲁棒的虹膜中心和眼角检测算法，在此基础上连续自适应地提取视线。对9人进行了评估测试，以评估系统的准确性，结果为水平方向为2.50度（视角），垂直方向为3.07度。
2021-05-06 cs.CV cs.HC
Beyond Gaze Overlap: Analyzing Joint Visual Attention Dynamics Using Egocentric Data
本文提出一种基于第一人称视角数据和时空管特征的深度学习方法，用于检测多用户环境中的联合视觉注意力，并揭示协作与独立任务间的注意力协调差异。
2025-09-15 cs.HC
Matching Representations of Explainable Artificial Intelligence and Eye Gaze for Human-Machine Interaction
HRL Laboratories, LLC（HRL实验室有限责任公司）
基于任务的刺激的快速非语言交流是人机合作的一个挑战，特别是在驾驶等闭环交互中。为了实现这一点，我们必须理解人类和机器的信息表示，并确定桥接这些表示的基础。分层相关传播（LRP）等可解释的人工智能（XAI）技术为深度神经网络等高维机器学习技术提供了视觉热图解释。在人类认知方面，视觉注意是由与当前任务相关的感觉输入的自下而上和自上而下的处理驱动的。由于XAI和人类认知都应该关注与任务相关的刺激，因此它们对视觉注意力的表示可能会重叠，从而可能提供人类和机器之间的非语言交流手段。在这项工作中，我们研究了经过训练以预测驾驶行为的神经网络的LRP热图解释与人类驾驶员的眼睛注视热图之间的相关性。该分析用于确定使用这种技术来提高驾驶性能的可行性。我们发现，LRP热图显示出越来越多的相似性水平与眼睛注视根据任务特异性的神经网络。然后，我们提出这些发现如何通过视觉上将注意力引导到相关区域来帮助人类。据我们所知，我们的工作提供了第一个已知的分析LRP和眼睛注视的驾驶任务。
2021-01-30 cs.AI cs.HC
Imperceptible Gaze Guidance Through Ocularity in Virtual Reality
本研究提出一种基于眼性的VR隐形视线引导技术，利用双眼输入差异的不显眼线索引导注意力，经15人视觉搜索实验验证有效，可在不破坏沉浸感的前提下实现视线引导与3D深度渲染。
2024-12-12 cs.HC
HAGI++: Head-Assisted Gaze Imputation and Generation
University of Stuttgart（斯图加特大学）；The Hong Kong University of Science（香港科学大学）
针对眼动追踪数据缺失问题，提出基于多模态扩散模型的HAGI++方法，利用头部朝向与跨模态依赖关系进行视线插补与生成，在多个数据集上优于现有基线，并显著提升了真实世界眼动记录的完整性与准确性。
2026-09-29 cs.CV cs.HC
Which Experimental Design is Better Suited for VQA Tasks? Eye Tracking Study on Cognitive Load, Performance, and Gaze Allocations
本文通过13人眼动实验比较五种VQA实验设计，发现刺激—问题顺序显著影响认知负荷与任务表现，问题模态显著影响任务表现。
2024-04-05 cs.HC
More Expert-like Eye Gaze Movement Patterns are Related to Better X-ray Reading
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Technical University of Munich（慕尼黑技术大学）
本研究对牙科本科生跨学期读片时的眼动扫描路径进行有向图网络建模与时间序列聚类，发现更接近专家的网络指标变化与更高诊断表现相关。
2025-05-10 cs.AI cs.HC
Head, Gaze, or Finger? Comparing Object Selection Techniques in Augmented Reality for People with Low Vision
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；University of Rochester（罗切斯特大学）
研究低视力人群在增强现实中对象选择技术，通过混合方法研究，让20名低视力者和18名视力正常者用头部、注视、手指指向三种技术在两种场景选目标，发现不同技术优劣势及低视力者偏好，为其可访问AR交互技术提供见解。
2026-07-09 cs.HC
GazeTrack: High-Precision Eye Tracking Based on Regularization and Spatial Computing
Dalian University of Technology（大连理工大学）
GazeTrack通过正则化和空间计算方法，实现高精度眼动追踪，构建了首个包含多族裔、多年龄和多视力条件的基准数据集，并提出新的形状误差正则化和坐标变换方法，提升眼动向量预测的准确性。
2025-11-27 cs.AI cs.CV cs.HC
Visualization Psychology for Eye Tracking Evaluation
本文提出将心理学和认知科学理论融入可视化眼动追踪实验的设计与评估，并通过两个场景展示认知模型的应用价值。
2023-12-03 cs.HC
Towards a human eye behavior model by applying Data Mining Techniques on Gaze Information from IEC
在本文中，我们首先介绍了什么是交互式演化计算（IEC），并迅速我们如何结合这种人工智能技术与眼动仪的视觉优化。接下来，为了正确地参数化我们的应用程序，我们提出的结果，从应用数据采掘技术的凝视信息来自约80人进行的实验。
2008-03-21 cs.HC cs.NE
GazeBlend: Exploring Paired Gaze-Based Input Techniques for Navigation and Selection Tasks on Mobile Devices
GazeBlend研究通过配对目光手势与停留时间或追踪技术，提升移动设备导航和选择任务的效率与性能。
2026-01-13 cs.HC
Crowdsourcing Gaze Data Collection
在许多图像和视频应用程序中，了解人们的视线位置是一个有用的工具。然而，传统的注视跟踪硬件是昂贵的，并且需要本地研究参与者，因此从大量参与者获取注视位置数据是非常有问题的。在这项工作中，我们提出了一种众包方法，用于从几乎无限数量的参与者中获取注视方向数据，使用强大的自我报告机制（见图1）。我们的系统在任何视觉信息中收集时间稀疏但空间密集的注意点。我们将我们的方法应用到现有的视频数据集，并证明我们获得的结果类似于传统的视线跟踪。我们还探索了我们的方法的参数范围，并收集了大量的YouTube视频的视线跟踪数据。
2012-04-16 cs.HC cs.SI
Reading Strategies for Graph Visualizations that Wrap Around in Torus Topology
本文分析对照研究中的眼动数据，探究环面拓扑环绕节点-链接图的阅读策略，发现非复制布局扫视和兴趣区转移更多，全上下文搜索更成功但空间利用仍可优化。
2023-04-26 cs.HC
UrbanGazeVis: A Visualization System for Analyzing Eye-Tracking Data on Urban Safety Perception
Fundação Getulio Vargas（热图利奥·瓦加斯基金会）
本研究开发UrbanGazeVis可视化系统，通过30名参与者使用HoloLens 2分析150张里约街景的眼动数据，揭示注视与城市安全感知的关联，为城市设计提供见解。
2026-08-28 cs.HC
