Would Gaze-Contingent Rendering Improve Depth Perception in Virtual and Augmented Reality?
在虚拟现实中，近距离被高估，远距离被低估，但对这些扭曲的解释仍然难以捉摸。一个潜在的问题是，当眼睛旋转以观看虚拟场景时，虚拟相机保持静止。在虚拟现实中，当眼睛转动时，使用眼动跟踪来改变虚拟相机的视角是否可以改善深度感知？本文确定了14个不同的视角失真，理论上可能发生从保持虚拟相机固定，而眼睛旋转的上下文中的近眼显示。然而，眼睛运动对显示图像的影响取决于显示器的光学距离，而不是物理距离。由于大多数盔装显示器的光学距离超过1米，因此这些失真中的大多数将仅具有可忽略的影响。例外的是“视在眼内”，这将使附近的虚拟对象看起来与增强现实中相同距离的物理对象发生位移。
2019-05-24 cs.HC
Privacy Implications of Eye Tracking in Mixed Reality
混合现实（MR）设备需要一个始终在线的传感器和应用于其输出的实时处理的世界。我们已经努力解决了这种情况带来的一些道德问题，例如智能手机和相机的旁观者隐私问题。然而，MR技术要求我们在这种新的范式中定义和捍卫隐私。本文重点介绍了眼动追踪和凝视跟踪所带来的挑战，这些技术已在HCI社区中普遍部署多年，但现在默认情况下已集成到MR设备中。
2020-07-20 cs.CY cs.HC
GazeBaseVR, a large-scale, longitudinal, binocular eye-tracking dataset collected in virtual reality
我们提出了GazeBaseVR，一个大规模的，纵向的，双目眼动追踪（ET）数据集收集在250赫兹与ET启用虚拟现实（VR）耳机。GazeBaseVR包括来自407名大学年龄参与者的5，020个双目记录。在26个月的时间里，参与者被记录了6次，每次执行一系列5个不同的ET任务：（1）聚散任务，（2）水平平滑追踪任务，（3）视频观看任务，（4）自定进度阅读任务，（5）随机倾斜扫视任务。这些参与者中的许多人也被记录在两个先前发表的使用不同ET设备的数据集中，一些参与者在COVID-19感染和康复前后被记录。GazeBaseVR适用于VR设备中ET数据的广泛研究，特别是眼动生物识别，因为它的人口众多且具有纵向性质。除了ET数据，还提供了其他参与者的详细信息，以便进一步研究公平性等主题。
2022-10-14 cs.HC
Eye-tracked Virtual Reality: A Comprehensive Survey on Methods and Privacy Challenges
Technical University of Munich, School of Social Sciences and Technology, Department of Educational Sciences, Chair for Human-Centered Technologies for Learning（慕尼黑技术大学，社会科学与技术学院，教育科学系，人机学习中心）
本文综述了眼动追踪在虚拟现实中的方法和隐私挑战，探讨了眼动追踪在VR中的应用及其隐私影响。
2026-01-19 cs.AI cs.CR cs.GR
The Detection of Saccadic Eye Movements and Per-Eye Comparisons using Virtual Reality Eye Tracking Devices
Western University（西安大略大学）
本研究利用VR头显眼动仪在60或90Hz频率下构建原型软件，以检测扫视眼动并分析双眼差异，为神经科学及神经退行性疾病筛查提供新颖工具。
2025-03-11 cs.CV cs.HC
Eye-tracking in Mixed Reality for Diagnosis of Neurodegenerative Diseases
AGH University of Kraków（克拉科夫AGH科技大学）；University of Applied Scie（应用科学大学）
本研究开发了一种基于混合现实的眼动追踪系统，通过提取临床相关特征，实现了对帕金森病等神经退行性疾病的无创、客观早期诊断与持续监测。
2024-06-03 cs.AI cs.HC
The Impact of Device Type, Data Practices, and Use Case Scenarios on Privacy Concerns about Eye-tracked Augmented Reality in the United States and Germany
Technical University of Munich（慕尼黑工业大学）；Carnegie Mellon University（卡内基梅隆大学）
本研究首次深入探索增强现实中眼动追踪等行为数据的隐私担忧，通过在美、德开展四项众包调查，揭示用户属性、数据实践等因素的影响，发现美国用户隐私担忧少于德国用户，并提出隐私感知增强现实的建议。
2025-11-13 cs.HC
Evaluating the Data Quality of Eye Tracking Signals from a Virtual Reality System: Case Study using SMI's Eye-Tracking HTC Vive
我们评估了SMI基于HTC Vive（ET-HMD）的系留眼动追踪盔装显示器在随机扫视任务期间的数据质量。我们测量了空间精度、空间精度、时间精度、线性度和串扰。我们提出了使用的非参数的空间精度测量的基础上的中位数绝对偏差（MAD）。我们的线性分析考虑了最佳拟合线的斜率和调整后的R平方。我们是第一个测试二次分量串扰的。我们在随机扫视任务之前添加了一个校准任务，并评估了2种使用用户提供的校准的方法。为此，我们使用了独特的分组方法来选择要包括在重新校准分析中的样本。我们比较了ET-HMD和EyeLink 1000（SR-Research，Ottawa，Ontario，CA）之间的质量指标。我们发现ET-HMD的空间精度和线性拟合明显优于我们的EyeLink，但两种设备的空间精度和线性斜率相似。我们还发现，虽然EyeLink没有显著的串扰，但ET-HMD通常表现出二次串扰。傅立叶分析表明，双目信号是单目信号的低通滤波版本。这种滤波导致双目信号对于研究诸如扫视动态的高频分量是无用的。
2019-12-04 cs.HC
Towards Everyday Virtual Reality through Eye Tracking
Eberhard Karls Universität Tübingen（图宾根大学）；Mathematisch-Naturwissenschaftlichen Fakultät der Eberhard Karls Universität Tübingen（图宾根大学数学与自然科学学院）
随着计算机图形学、硬件技术、感知工程和人机交互技术的发展，虚拟现实和虚拟环境正越来越多地融入我们的日常生活。然而，盔装显示器仍然没有像其他移动设备（诸如智能电话和手表）那样频繁地使用。随着该技术的使用增加以及人类对虚拟应用场景的适应，在不久的将来，将实现日常虚拟现实范例是可能的。当考虑日常虚拟现实和盔装显示器的结合时，眼动追踪是一种新兴技术，有助于以实时的和非侵入性的方式评估人类行为。尽管如此，在这些技术在日常生活中广泛应用之前，还需要对多个方面进行研究。首先，应该彻底理解日常场景中的注意力和认知模型。其次，由于眼睛与视觉生物特征相关，因此需要隐私保护方法。最后，研究或应用程序不应利用具有相对同质特征的有限人类参与者，而应制定协议和用例，使这种技术更容易获得。在这项工作中，考虑到上述几点，一个重大的科学推动日常虚拟现实已经完成了三个主要的研究贡献。
2022-03-29 cs.AI cs.HC
How Early Can You Tell? Early Eye Gaze Dynamics and Cybersickness Progression in Virtual Reality
Texas State University（德州州立大学）
本研究通过VR暴露前五分钟的眼动数据，发现早期注视离散度可预测后续不适进展，而非最终晕动症严重程度，为理解晕动症时间动态提供新视角。
2026-09-23 cs.HC
Gauging the Competition: Understanding Social Comparison and Anxiety through Eye-tracking in Virtual Reality Group Interview
本研究通过VR小组面试和眼动追踪实验，发现同伴表现（行为线索和客观分数）引发社会比较，产生“大鱼小池效应”，降低自我评估，且低真实感与高焦虑相关，为虚拟训练设计提供启示。
2025-10-14 cs.HC
MagicEyes: A Large Scale Eye Gaze Estimation Dataset for Mixed Reality
Magic Leap Inc, USA（Magic Leap公司，美国（注：此处“USA”为国家信息，按要求不加入，仅保留机构名“Magic Leap Inc”））
随着虚拟和混合现实（XR）设备的出现，眼动追踪在计算机视觉界受到了极大的关注。眼睛注视估计是XR中的一个关键组成部分-实现节能渲染，多焦点显示以及与内容的有效交互。在头戴式XR设备中，眼睛离轴成像，以避免阻挡视野。这导致推断眼睛相关量的挑战增加，同时提供了开发准确和稳健的基于学习的方法的机会。为此，我们提出了MagicEyes，这是第一个使用真正的MR设备收集的大规模眼睛数据集，具有全面的地面真实标记。MagicEyes包括具有人类标记的地面实况的$80,000$图像的$587$受试者和具有凝视目标标签的超$800,000$图像。我们评估了MagicEyes上的几种最先进的方法，并提出了一种新的多任务EyeNet模型，该模型旨在检测角膜，闪光和瞳孔以及在单次向前传递中的眼睛分割。
2020-03-18 cs.CV cs.HC cs.LG
ChromaCorrect: Prescription Correction in Virtual Reality Headsets through Perceptual Guidance
University of Leeds（利兹大学）；University College London（伦敦大学学院）；UNC Chapel Hill（北卡罗来纳大学教堂山分校）
当今世界人口的很大一部分患有视力障碍并佩戴处方眼镜。然而，当与增强和虚拟现实头戴式设备一起使用时，眼镜导致额外的体积和不适，从而负面地影响观看者的视觉体验。在这项工作中，我们补救处方眼镜在虚拟现实（VR）头戴式设备中的使用，通过将光学复杂性完全转移到软件中，并提出了一种处方感知渲染方法，用于提供更清晰和身临其境的VR图像。为此，我们开发了一个可区分的显示和视觉感知模型封装显示特定的参数，颜色和视觉敏锐度的人类视觉系统和用户特定的屈光不正。使用这个可微分的视觉感知模型，我们优化的渲染图像在显示器中使用随机梯度下降求解器。通过这种方式，我们为视力障碍人士提供了无需处方眼镜的更清晰图像。我们在各种显示器上评估了我们的方法，包括台式机和VR头显，并为视力障碍的用户展示了显着的质量和对比度改进。
2022-12-08 cs.GR cs.HC cs.LG
Exploring Eye Tracking to Detect Cognitive Load in Complex Virtual Reality Training
Northeastern University（东北大学）
本文研究在复杂VR训练中利用眼动追踪和机器学习检测认知负荷，通过冷喷涂VR系统实验验证了MLP与随机森林基于瞳孔扩张和注视时长的预测可行性。
2024-11-18 cs.HC cs.LG
The Eye-Head Mover Spectrum: Modelling Individual and Population Head Movement Tendencies in Virtual Reality
Lancaster University（兰卡斯特大学）；University of Toronto（多伦多大学）；Aarhus University（奥胡斯大学）
本文提出头部运动倾向作为虚拟现实中的重要概念，通过建模个体和群体头部运动策略，揭示了其在适应性系统中的应用价值。
2026-02-05 cs.HC
Assessment of Human Behavior in Virtual Reality by Eye Tracking
虚拟现实（VR）不是一项新技术，但在计算机技术进步的推动下，它已经发展了几十年。目前，VR技术越来越多地用于实现沉浸式但可控的研究环境的应用程序中。教育和娱乐是两个重要的应用领域，VR被认为是沉浸式体验及其进一步发展的关键推动因素。与此同时，在这种创新环境中对人类行为的研究有望有助于更好地设计VR应用程序。因此，现代VR设备始终配备了眼动追踪技术，从而通过收集过程数据进一步研究人类行为。特别是，眼动跟踪技术与机器学习技术和可解释模型相结合，可以提供新的见解，以便更深入地了解沉浸在虚拟环境中的人类行为。在这项工作中，提出了一个系统的计算框架，基于眼动跟踪和行为用户数据和最先进的机器学习方法，以了解VR环境中的人类行为和个体差异。这个计算框架，然后在两个不同的领域的三个用户研究。在教育领域，创建了两个不同的沉浸式VR教室，学生可以在那里学习，教师可以进行训练。在VR娱乐方面，眼动为从用户认知负荷和用户体验的角度评价VR运动技术开辟了新的途径。这项工作为评估VR场景中的人类行为铺平了道路，并为设计，评估和改进交互式VR系统的方式提供了深刻的见解。特别地，可以创建更有效和可定制的虚拟环境，以向用户提供定制的体验。
2022-11-23 cs.HC
Training Attention Skills in Individuals with Neurodevelopmental Disorders using Virtual Reality and Eye-tracking technology
本研究重新设计了VR应用Wildcard，结合眼动追踪技术实现精细交互，通过38名NDD参与者的四周实验验证了其在提升视觉注意力技能方面的有效性与可用性。
2024-04-24 cs.HC
Your Eyes Controlled the Game: Real-Time Cognitive Training Adaptation based on Eye-Tracking and Physiological Data in Virtual Reality
University of Glasgow（格拉斯哥大学）
本研究通过眼动追踪和生理数据实时调整虚拟现实中的认知训练难度，利用双向LSTM模型提升用户认知负荷评估的客观性，优化训练效果。
2026-02-18 cs.HC
PalmGazer: Unimanual Eye-hand Menus in Augmented Reality
针对增强现实单手交互问题，提出PalmGazer眼手菜单系统，通过张手召唤、眼手选择、拖拽导航的三元模型实现快速命令，并验证其可用性。
2023-06-21 cs.HC
Focus on the Experts: Co-designing an Augmented Reality Eye-Gaze Tracking System with Surgical Trainees to Improve Endoscopic Instruction
为解决外科培训监督成本高、扩展性差的问题，研究团队与18名外科受训者合作共同设计了一套AR眼动追踪系统，以提供实时交互的补充训练方法，改善内窥镜手术学习且不影响患者护理。
2025-06-27 cs.HC
Gaze-Contingent Ocular Parallax Rendering for Virtual Reality
沉浸式计算机图形系统努力生成感知上逼真的用户体验。当前一代的虚拟现实（VR）显示器成功地精确地呈现了许多感知上重要的效果，包括透视、视差、运动视差和其他深度线索。在这篇文章中，我们将介绍视觉视差渲染，这是一种精确渲染少量凝视相关视差的技术，能够提高VR中的深度感知和真实感。眼睛视差描述了当眼睛旋转时在视网膜上产生的少量深度相关的图像偏移。这种效应的发生是因为眼睛的旋转中心和投射中心不一样。我们通过设计和进行一系列的用户实验来研究视觉视差渲染的感知影响。具体来说，我们估计这种效果的感知检测和辨别阈值，并证明它在大多数VR应用中清晰可见。此外，我们表明，眼睛视差渲染提供了一个有效的顺序深度线索，它提高了VR中的真实深度的印象。
2020-05-13 cs.GR cs.HC
AnkleType: A Hands- and Eyes-free Foot-based Text Entry Technique in Virtual Reality
Shantou University（汕头大学）；City University of Hong Kong（香港城市大学）
本文提出AnkleType，一种无需手眼的虚拟现实文本输入技术，通过脚部动作实现站立和坐姿的双足和单足输入策略，提升了文本输入效率。
2026-03-23 cs.HC
A privacy-preserving approach to streaming eye-tracking data
眼动追踪技术正越来越多地集成到混合现实设备中。虽然关键应用程序正在启用，但存在违反用户隐私期望的重大可能性。我们表明，有一个明显的风险，即使在自然的观看条件下，在虚拟现实的唯一用户识别。例如，这种身份识别将允许应用程序将用户的个人ID与他们的工作ID连接起来，而无需他们的同意。为了减轻这种风险，我们提出了一个框架，通过应用程序编程接口的设计，并通过软件实现的隐私机制，结合守门。我们的研究结果表明，这些机制可以降低识别率从高达85%低至30%。引入这些机制的影响是小于1.5 $^\circ$误差的凝视预测的凝视位置。因此，可以使注视数据流私密，同时仍然允许注视预测，例如，在中央凹渲染期间。我们的方法是第一个在混合现实用例中支持眼动追踪数据流的隐私设计。
2021-03-19 cs.HC
Eyes on teleporting: comparing locomotion techniques in Virtual Reality with respect to presence, sickness and spatial orientation
本研究对比VR中三种移动技术对晕动症、空间感知等的影响，证实即时传送高可用且不降低空间感知，补充手动技术体验优势及晕动症与头部运动关联的证据，助力VR导航界面指南研究。
2023-12-15 cs.HC
Eye Tracking Data Collection Protocol for VR for Remotely Located Subjects using Blockchain and Smart Contracts
虚拟现实环境中的眼动追踪数据汇集通常在实验室环境中进行，这通常限制了参与者的数量或消耗至少几个月的研究时间。此外，在实验室环境下，由于在不舒适的环境中记录，受试者可能表现不自然。在这项工作中，我们提出了一个概念验证的眼动追踪数据汇集协议及其实现，以收集来自远程受试者的眼动追踪数据，特别是使用以太坊区块链和智能合约的虚拟现实。利用所提出的协议，数据收集器可以从具有异质社会人口统计特征的大量人类受试者收集高质量的眼动追踪数据。数据的质量和数量可以有助于数据驱动的人机交互和人工智能中的各种任务。
2021-07-14 cs.HC
Eye Movement Feature Classification for Soccer Goalkeeper Expertise Identification in Virtual Reality
University of Tübingen（图宾根大学）
足球运动员专业技能评估的最新研究肯定了知觉技能（特别是决策）的重要性，无论是集中在高实验控制或现实的陈述。为了以最佳方式评估运动员的感知技能，我们捕获了全方位的现场场景，并在虚拟现实眼镜上向12名专家，10名中级和13名新手足球守门员展示。所有的场景都是从同一个自然守门员的角度展示的，并在回传给守门员后结束。基于他们的注视行为，我们用常见的机器学习技术对他们的专业知识进行了分类。这项试点研究显示了基于守门员凝视行为的守门员专业知识的客观分类的有希望的结果，并提供了有价值的见解，为训练系统的设计提供信息，以提高运动员的感知技能。
2021-01-06 cs.AI cs.CV cs.HC
Slippage-robust Gaze Tracking for Near-eye Display
University of Science and Technology of China（中国科学技术大学）；Carnegie Mellon University（卡内基梅隆大学）
近年来，头戴式近眼显示器已经成为虚拟现实和增强现实的关键硬件基础。因此，头戴式视线跟踪技术作为人机交互的重要组成部分已经受到关注。然而，头戴式设备（HMD）不可避免的滑动往往会导致较高的视线跟踪误差，并阻碍了HMD的实际使用。针对这一问题，提出了一种基于非球面眼球模型的滑动鲁棒视线跟踪近眼显示方法，精确计算眼球光轴和旋转中心。我们在具有滑动的数据集上测试了几种方法，实验结果表明，该方法显着优于以前的方法（几乎是次优方法的两倍）。
2022-11-01 cs.CV cs.HC
NeuroGaze: A Hybrid EEG and Eye-Tracking Brain-Computer Interface for Hands-Free Interaction in Virtual Reality
本研究提出NeuroGaze，一种结合脑电图与眼动追踪的混合脑机接口，用于VR免手动交互。实验表明其错误率更低但速度较慢，验证了可行性并凸显人体工程学优势与包容性潜力。
2025-09-09 cs.HC
Mapping Eye Vergence Angle to the Depth of Real and Virtual Objects as an Objective Measure of Depth Perception
本研究在真实、AR和VR三种环境下测量眼动视辐角（GVA），发现GVA随目标深度变化且比主观判断更准确，可作为深度感知的客观测量指标。
2023-11-20 cs.HC
SwEYEpinch: Exploring Intuitive, Efficient Text Entry for Extended Reality via Eye and Hand Tracking
Columbia University（哥伦比亚大学）
本文提出SwEYEpinch方法，通过眼动和手部追踪实现高效文本输入，通过用户研究验证其在增强现实中的优势，达到64.7 WPM的性能。
2026-04-03 cs.HC
Lightweight Cybersickness Detection based on User-Specific Eye and Head Tracking Data in Virtual Reality
KU Leuven（鲁汶大学）
本文提出一种轻量级眩晕检测方法，结合集成学习模型和用户特定的眼动和头部追踪数据，通过特征工程和数据集构建提升检测性能，在跨用户和用户个性化设置中分别达到93%和88%的准确率。
2026-04-18 cs.HC cs.LG
Working with Mixed Reality in Public: Effects of Virtual Display Layouts on Productivity, Feeling of Safety, and Social Acceptability
本研究针对公共场景使用混合现实（MR）头显工作的需求，对比四种虚拟显示器布局对工作效率、安全感与社会可接受性的影响，通过图书馆田野实验发现布局显著影响工作效率，为MR布局设计提供参考。
2024-10-07 cs.HC
Practical Saccade Prediction for Head-Mounted Displays: Towards a Comprehensive Model
眼动追踪技术是虚拟和增强现实头戴式耳机等新型显示器不可或缺的组成部分。凝视信息的应用范围从利用眼睛模式的新交互技术到凝视相关的数字内容创建。然而，在许多这些应用中，系统延迟仍然是一个重要的问题，因为它破坏了当前和测量的注视位置之间的同步。因此，它可能导致不想要的视觉伪影和用户体验的降级。在这项工作中，我们专注于中央凹渲染应用程序中的图像的质量降低对周边的计算节省。在中心凹渲染中，延迟的存在导致对渲染帧的延迟更新，从而使质量下降对用户可见。为了解决这个问题，并打击系统的延迟，最近的工作提出了使用扫视着陆位置预测，从延迟的眼睛跟踪样本外推的凝视信息。虽然已经证明了这种策略的好处，但解决方案的范围从简单有效的解决方案（对扫视眼球运动做出几个假设）到更复杂和昂贵的解决方案（使用机器学习技术）不等。然而，目前还不清楚预测在多大程度上可以从考虑其他因素中受益。本文提出了一系列的实验调查的重要性，不同的因素，在常见的虚拟和增强现实应用程序的扫视预测。特别是，我们调查的扫视方向在3D空间和平滑追求眼球运动（SPEM）的影响，以及它们的影响如何比较用户之间的变化。我们还提出了一个简单而有效的校正方法，适应现有的扫视预测方法来处理这些因素，而不执行广泛的数据汇集。
2022-05-04 cs.GR cs.HC
Will You Be Aware? Eye Tracking-Based Modeling of Situational Awareness in Augmented Reality
Department of Computer Science Duke University（计算机科学系 哥伦比亚大学）；Department of Electrical and Computer Engineering Duke University（电气与计算机工程系 哥伦比亚大学）
针对AR引导任务中认知隧道损害态势感知的问题，提出基于眼动时空图的图神经网络FixGraphPool预测态势感知，准确率达83.0%，为安全AR系统设计提供支持。
2025-09-02 cs.HC cs.LG
The Security-Utility Trade-off for Iris Authentication and Eye Animation for Social Virtual Avatars
在虚拟现实中，虚拟化身的注视行为对社交存在和感知的目光接触至关重要。虚拟现实头戴式耳机正在设计集成眼动追踪，以实现引人注目的虚拟社交互动。本文表明，近红外摄像机中使用的眼动追踪捕获的眼睛图像，包含虹膜图案的用户。由于虹膜图案是生物识别的黄金标准，目前的技术将用户的生物识别身份置于危险之中。我们的第一个贡献是一个基于光学散焦的硬件解决方案，以消除虹膜生物特征的流的眼动追踪图像。我们的特点，这种解决方案的性能与不同的内部参数。我们的第二个贡献是一个心理物理实验，一个相同的不同的任务，调查用户的敏感性虚拟化身的眼球运动时，这种解决方案被应用。通过推导检测阈值，我们的研究结果提供了一系列的散焦参数，其中眼睛运动的变化在会话设置中会被忽视。我们的第三个贡献是一个感性的研究，以确定散焦参数对感知的眼神接触，注意力，自然，真实的化身的影响。因此，如果用户希望保护他们的虹膜生物特征，我们的方法提供了一种解决方案，该解决方案平衡生物特征保护，同时防止他们的对话伙伴感知用户的虚拟化身中的差异。这项工作是第一个为VR/AR/XR应用开发安全眼动追踪配置的工作，并激励了该领域的未来工作。
2020-03-09 cs.HC
Measuring eye-tracking accuracy and its impact on usability in apple vision pro
本研究针对Apple Vision Pro眼动追踪参数公开不足的问题，通过MR与VR场景测试评估其眼动精度，结合SUS量表探究精度与可用性的关联，发现精度达1°左右但与可用性无显著统计相关，明确其并非VR/AR用户体验的唯一决定因素。
2024-08-14 cs.HC
Identifying Fixation and Saccades in Virtual Reality
Beijing University of Posts and Telecommunications（北京邮电大学）
凝视识别可以显著减少眼动数据量，以便更好地理解认知和视觉处理。视线识别是虚拟现实中基于眼睛的交互应用的必要前提。然而，虚拟现实环境的三维特性也对现有的识别算法提出了新的挑战。基于七个评价指标和总得分（七个归一化指标值的平均值），我们获得了三个现有的识别算法（速度阈值识别，色散阈值识别，速度和色散阈值识别）和我们的改进的速度和色散阈值识别算法的最佳参数。我们比较了这四种算法的性能与最佳参数。结果表明，我们改进的速度和分散阈值识别性能最好。初步探讨了界面复杂性对分类结果的影响。结果表明，算法对接口复杂度不敏感。
2022-05-09 cs.CV cs.HC
Exploring Configurations for Multi-user Communication in Virtual Reality
虚拟现实（VR）使用户能够在探索物理世界中无法实现的场景时进行协作。我们提出了CollabVR，一个分布式多用户协作环境，探索数字内容如何提高表达和理解群体之间的想法。为了实现这一目标，我们设计和研究了三种可能的配置参与者和共享的可操作对象。在配置（1）中，参与者并排站立。在（2）中，参与者被定位在彼此对面，面对面镜像。在（3）中，被称为“无眼”，参与者并排站在一起观看共享的显示器，并在水平表面上绘制。我们还探索了一种“心灵感应”模式，在这种模式下，参与者可以从彼此的角度看问题。我们实现了“3DSketch”的视觉对象，让参与者在环境中的虚拟内容板之间进行操作和移动。为了评估该系统，我们进行了一项研究，其中四个人一次使用三种配置中的每一种来相互合作和交流想法。我们提供了实验结果和采访回复。
2019-11-15 cs.GR cs.HC
Exploring Keyboard Positioning and Ten-Finger Typing in Mixed Reality
本研究针对混合现实中现有打字方式缺乏触觉反馈、手指受限的问题，通过两项实验分别探究键盘定位与十指打字方案，明确了不同输入方式的用户偏好与性能差异。
2025-07-28 cs.HC
Quantitative Evaluation of driver's situation awareness in virtual driving through Eye tracking analysis
本研究利用客观眼动数据提出一种无干扰的情境意识量化方法，定义了感知、理解和预测三个层次分数及总分，并在虚拟现实模拟驾驶实验中验证了其与驾驶表现的显著相关性。
2024-04-28 cs.GR cs.HC
Digital Transformations of Classrooms in Virtual Reality
随着消费级盔装显示器和计算机图形的快速发展，沉浸式VR有可能使在线和远程学习更接近真实世界的设置。然而，这种数字转换对学习者的影响，特别是对VR的影响，还没有得到深入的评估。本研究利用眼动追踪数据，在沉浸式虚拟现实教室中，探讨了学习者的坐姿、同伴学习者和教师的视觉化风格以及虚拟同伴学习者的举手行为对学习者的交互影响。我们的研究结果表明，学习者坐在后面的虚拟教室可能有困难提取信息。此外，我们发现的迹象表明，学习者更有效地参与讲座，如果虚拟化身与现实的风格可视化。最后，我们发现虚拟同侪学习者的眼动行为对不同的表现水平，这需要进一步研究。我们的研究结果为VR教室的设计决策提供了重要的基准。
2021-05-07 cs.HC
Exploring the Uncoordinated Privacy Protections of Eye Tracking and VR Motion Data for Unauthorized User Identification
本研究探讨了VR中眼动追踪与身体运动数据间不协调的隐私保护如何导致未经授权的用户识别，强调需全面覆盖两者的隐私保护措施。
2025-03-06 cs.HC
Parallel Oculomotor Plant Mathematical Model for Large Scale Eye Movement Simulation
眼动追踪传感器的使用预计将在虚拟（VR）和增强现实（AR）平台中增长。假设这些平台的用户同意采用捕获的眼动信号进行认证和健康评估，则实时的估计眼动植物和脑功能特性变得重要。本文展示了一条通往这一目标的道路，提出了一个并行处理架构，能够估计眼科植物的特点，并比较其性能的单线程实现。结果表明，并行实现提高了速度，准确性和吞吐量的oculumentplant特性估计与原来的串行版本的大规模和实时仿真。
2020-07-20 cs.HC
PrivacEye: Privacy-Preserving Head-Mounted Eye Tracking Using Egocentric Scene Image and Eye Movement Features
诸如增强现实显示器之类的眼镜设备越来越多地集成了眼动追踪，但是将用户的注视映射到视觉场景所需的第一人称相机可能对用户和旁观者的隐私构成重大威胁。我们提出了PrivacEye，一种检测隐私敏感的日常情况的方法，并使用机械快门自动启用和禁用眼动仪的第一人称相机。为了在隐私敏感的情况下关闭快门，该方法使用第一人称视频的深度表示，并结合对用户眼球运动进行编码的丰富特征。为了在没有视觉输入的情况下打开快门，PrivacEye仅检测用户眼球运动的变化，以衡量当前情况的“隐私级别”的变化。我们评估我们的方法在第一人称视频数据集记录在日常生活中的情况下的17名参与者，由自己的隐私敏感性注释，并表明我们的方法是有效的，在这个具有挑战性的设置保护隐私。
2019-05-24 cs.HC
The Relative Importance of Depth Cues and Semantic Edges for Indoor Mobility Using Simulated Prosthetic Vision in Immersive Virtual Reality
该研究在沉浸式VR中用模拟假体视觉模型测试深度线索与语义边缘对室内移动的作用，发现深度线索更利于避障，约半数用户偏好模式灵活切换，为优化仿生眼视觉功能提供依据。
2022-10-07 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
Are eHMIs always helpful? Investigating how eHMIs interfere with pedestrian behavior on multi-lane streets: An eye-tracking virtual reality experiment
Ningbo University（宁波大学）；Southeast University（东南大学）；Imperial College London（伦敦帝国理工学院）；The University of Hong Kong（香港大学）；Tongji University（同济大学）
本研究通过虚拟现实实验探讨了eHMIs对多车道街道行人过街行为的影响，发现allocentric eHMIs比egocentric eHMIs更易导致行人认知负荷和误判，强调了优化eHMI设计的重要性。
2026-01-06 cs.HC
i-MYO: A Hybrid Prosthetic Hand Control System based on Eye-tracking, Augmented Reality and Myoelectric signal
Harbin Institute of Technology（哈尔滨工业大学）
灵巧假手具有比传统假手更好的抓握性能。然而，患者仍然发现在没有合适的控制系统的情况下难以使用这些手。一种新的混合型肌电控制系统，称为i-MYO，提出和评估，以解决这个问题。i-MYO的核心组件是一种基于眼动追踪和增强现实（AR）的新型抓握式切换界面，称为i-GSI。有了i-GSI，用户可以通过凝视凝视按钮轻松切换假手的抓握类型（共六种）。i-GSI在AR头盔中实现，并作为独立模块集成到i-MYO系统中。在i-MYO系统中，肌电信号被用于按比例控制手的开/闭。在9名健康受试者身上测试了i-MYO的操作，这些受试者在前臂上佩戴HIT-V手并在达到和抓取任务中操纵物体。它还测试了一个病人谁有一个较低的肌电信号，并要求控制HIT-V的手抓住物体。结果表明，在91.6%的试验中，没有经验的健康受试者在5.9秒内完成了任务，大多数失败的试验是由于缺乏精细抓握的经验。此外，在约1.5%的试验中，受试者也成功地转移了物体，但非最佳抓握类型。在97.0%的试验中，受试者花费约1.3秒切换最佳抓握类型。由于进行了更多的试验，观察到未经培训的患者的抓握类型成功率更高（99.1%）。在98.7%的试验中，患者在切换到最佳抓取类型后，只需要另外2 s即可控制手抓取物体。测试证明了新系统在多自由度假肢中的控制能力，所有没有经验的受试者都能够在几次培训中快速掌握i-MYO的操作并轻松应用。
2022-05-18 cs.HC cs.RO
Effectiveness of Social Virtual Reality
社交虚拟现实领域的许多工作，包括我们自己的团队，都集中在特定社交行为的有效性上，比如目光注视、轮流、手势和其他语言和非语言暗示。我们在此基础上研究了共同存在、领导力和信任等新兴现象。这些为我们提供了关于特定社交VR系统的可用性问题的良好信息，但它们并没有为我们提供关于此类系统未来需求的更多信息。在这篇简短的论文中，我们讨论了我们如何扩大我们在社会系统方面的工作范围，走出实验室，进入更生态有效的环境，并研究使用社交VR的群体。
2021-04-12 cs.HC
The Blank Stare: Retrieving Unique Eye Tracking Signatures Independent of Visual Stimuli
使用低成本便携式眼动追踪进行生物识别或验证：近年来，眼动追踪技术已在专业实验室之外提供，并开始集成到平板电脑和虚拟现实耳机中。这为在普通办公室和家庭环境中使用提供了新的机会，例如单独或与其他技术结合使用的生物识别（识别或验证）。本文揭示了两个根本不同的方法，已建议，分别基于空间和时间的签名。在部署不同的刺激范式进行记录的同时，它还提出了一种使用傅立叶变换来分析空间域签名的替代方法。经验数据记录从两个主题超过两个星期，相隔三个月，被发现支持以前的结果。此外，一些建议的签名的变化和稳定性进行了分析，在延长的时间范围内，略有不同的条件下。
2017-05-08 cs.HC
Privacy-Aware Eye Tracking Using Differential Privacy
随着眼动追踪越来越多地集成到虚拟和增强现实（VR/AR）盔装显示器中，保护用户隐私是眼动追踪社区中一个越来越重要但尚未充分探索的话题。我们报告了一项关于眼动追踪隐私方面的大规模在线调查（N=124），该调查提供了第一个全面的账户，包括与谁合作，为哪些服务，以及用户愿意在多大程度上分享他们的凝视数据。利用这些见解，我们设计了一个隐私感知的VR界面，使用差分隐私，我们评估了一个新的20个参与者的数据集的两个隐私敏感的任务：我们表明，我们的方法可以防止用户重新识别和保护性别信息，同时保持高性能的凝视为基础的文档类型分类。我们的研究结果突出了隐私的挑战，特别是凝视数据，并表明，差分隐私是一个潜在的手段来解决这些问题。因此，本文奠定了重要的基础，为未来的研究隐私意识的注视界面。
2019-04-29 cs.HC
Real-Time Gaze Tracking with Event-Driven Eye Segmentation
视线跟踪正日益成为增强和虚拟现实中的一个重要组成部分。现代视线跟踪算法是重量级的;它们在移动处理器上最多以5 Hz运行，尽管近眼相机舒适地以实时速率（$>$ 30 Hz）运行。本文提出了一种实时的【形】眼动追踪算法，平均以30 Hz的频率在移动处理器上运行，实现\ang{0.1} - \ang{0.5}凝视精度，同时只需要30 K参数，比最先进的眼动追踪算法小一到两个数量级。该算法的核心是Auto~ROI模式，该模式连续地预测近眼图像的感兴趣区域（ROI），并且仅明智地处理ROI以进行注视估计。为此，我们引入了一种新的，轻量级的ROI预测算法，通过模拟事件摄像机。我们将讨论如何在不需要特殊硬件的情况下，通过软件模拟事件来实现准确的ROI预测。我们论文的代码可以在https://github.com/horizon-research/edgaze上找到。
2022-01-19 cs.HC
A Mechanistic Transform Model for Synthesizing Eye Movement Data with Improved Realism
本研究提出一种眼动信号合成降级的机制变换模型，通过空间与时间精度降级机制、百分位匹配技术提升信号真实度，实验验证其分类准确率指标较基准提升35.7%，并提出通用的真实度评估流程。
2023-06-14 cs.HC
Less Cybersickness, Please: Demystifying and Detecting Stereoscopic Visual Inconsistencies in Virtual Reality Apps
The Chinese University of Hong Kong（香港中文大学）；Harbin Institute of Technology（哈尔滨工业大学）；Research Institute of Trustworthy Autonomous Systems（可信自主系统研究院）；Southern University of Science and Technology（南方科技大学）
本研究针对VR应用中普遍存在但研究不足的立体视觉不一致（SVI）问题，提出无监督黑盒测试框架StereoID，通过深度感知条件立体图像转换器生成合成右眼图并计算与真实图的距离检测SVI，构建超17.1万张图像的数据集验证其优异检测性能。
2024-09-20 cs.AI cs.CV cs.HC
