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
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
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
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
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
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
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
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
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
REFLECTing SPERET: Measuring and Promoting Ethics and Privacy Reflexivity in Eye-Tracking Research
本文提出REFLECT和SPERET两种工具，用于衡量眼动研究中的伦理与隐私反思，揭示研究社区在隐私保护、方法学限制和伦理责任方面的现状，并推动更负责任的研究实践。
2025-11-24 cs.HC
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
Bionic Tracking: Using Eye Tracking to Track Biological Cells in Virtual Reality
我们提出了仿生跟踪，一种新的方法来解决生物细胞跟踪问题的眼动追踪在虚拟现实使用商品硬件。使用凝视数据，特别是平滑追踪眼球运动，我们能够跟踪细胞的时间序列的三维体积数据集。跟踪细胞的问题在发育生物学中是普遍存在的，其中每天都要采集大量的体积显微镜数据集，通常包括数百或数千个跨越数小时或数天的时间点。然而，图像数据只是达到目的的一种手段，科学家们通常对细胞轨迹和细胞谱系树的重建感兴趣。在许多时间点上在拥挤的三维空间中可靠地跟踪细胞仍然是一个悬而未决的问题，并且许多当前的方法依赖于繁琐的手动注释和管理。在我们的仿生跟踪方法中，我们用虚拟现实头戴设备中的眼动追踪代替了通常的2D点击注释来跟踪细胞，用户只需在3D空间中用眼睛跟踪细胞即可跟踪它。我们详细介绍了我们方法的交互设计，并解释了用于连接不同时间点的基于图形的算法，同时考虑了遮挡和用户分心。我们使用两个不同的生物数据集的例子来演示我们的细胞跟踪方法。最后，我们报告了一个用户研究与七个细胞跟踪专家，展示了我们的方法比手动点和点击跟踪的好处。
2020-08-01 cs.GR 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
Assessing the Privacy Risk of Cross-Platform Identity Linkage using Eye Movement Biometrics
本研究实证评估了眼动生物特征模型在三种不同眼动追踪设备间关联用户身份的能力，发现最先进模型在一对设备间表现出高于随机水平的识别性能，揭示了跨平台身份关联的隐私风险。
2024-02-13 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
EyeSec: A Retrofittable Augmented Reality Tool for Troubleshooting Wireless Sensor Networks in the Field
无线传感器网络（WSNs）通常缺乏用于远程调试的接口。因此，在部署现场进行故障诊断和故障排除。目前，WSN运营商缺乏专用工具来帮助他们完成这一过程。因此，我们介绍了EyeSec，在现场的WSN监测和维护的工具。一种增强现实设备（AR设备）使用光学标记来识别传感器节点。便携式嗅探器捕获网络流量并提取信息。利用这些数据，AR设备网络拓扑和传感器节点之间的数据流被可视化。与以前的工具不同，EyeSec是完全便携式的，独立于任何给定的基础设施，不需要专用和昂贵的AR硬件。仅使用被动检测，它可以被改造为已经部署的无线传感器网络。我们在低成本嵌入式硬件和商品智能手机上实现了概念验证，并使用6LoWPAN传输协议在WSN测试床中演示了EyeSec的使用。
2019-07-08 cs.CR cs.HC cs.NI
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
Addressing the Privacy Implications of Mixed Reality: A Regulatory Approach
混合现实（MR）技术正在成为主流，像Oculus Quest这样的负担得起的设备。这些设备以新颖的方式融合了物理和虚拟，模糊了法律先例中存在的界限，比如言论和行为之间的界限。在本文中，我们讨论了监管沉浸式技术的挑战，重点是广泛的数据汇集的潜力，并研究了在混合现实环境中保护数据隐私的三种潜在方法的权衡。
2020-07-20 cs.CR cs.CY cs.HC
Differential Privacy for Eye Tracking with Temporal Correlations
University of Tübingen（蒂宾根大学）；University of Siegen（锡根大学）
新一代盔装显示器，如VR和AR眼镜，正在进入市场，已经集成了眼动追踪，并有望在众多应用中实现新颖的人机交互方式。然而，由于眼动特性包含生物特征信息，因此必须妥善处理隐私问题。诸如差分隐私机制的隐私保护技术最近已被应用于从这种显示器获得的眼睛运动数据。然而，标准的差分隐私机制由于眼睛运动观测之间的时间相关性而易受攻击。在这项工作中，我们提出了一种新的变换编码为基础的差分隐私机制，以进一步适应眼动特征数据的统计，并比较各种低复杂度的方法。我们扩展了一种差分隐私机制--傅立叶微扰算法，并纠正了其证明中的一个尺度错误。此外，我们说明了显着减少样本的相关性，除了查询的敏感性，这提供了最好的效用隐私权衡眼动追踪文献。我们的研究结果提供了显着高的隐私，而没有任何实质性的损失，在分类准确性，同时隐藏个人标识符。
2021-12-20 cs.CR cs.HC cs.LG
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
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
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
Security and Privacy Approaches in Mixed Reality: A Literature Survey
由于计算机视觉、传感器融合和逼真显示技术的进步，混合现实（MR）技术的发展现在正获得动力。由于大多数研究和开发都集中在实现MR的承诺上，只有少数人致力于这项技术的隐私和安全影响。本调查报告旨在揭示这些风险，并探讨MR的最新安全和隐私工作。具体而言，我们列出并审查了为确保MR中的用户和数据安全和隐私而提出的不同保护方法。我们将范围扩展到包括相关技术的工作，如增强现实（AR），虚拟现实（VR），和人机交互（HCI）作为MR的关键组件（如果不是起源的话），以及来自移动设备、可穿戴设备和物联网（IoT）等更大领域的许多相关工作。我们强调了MR中缺乏对数据保护方法的调查、实施和评估。还讨论了MR安全和隐私方面的进一步挑战和方向。
2020-06-10 cs.CR cs.CY cs.HC
Dynamic X-Ray Vision in Mixed Reality
X射线视觉是一种允许用户看穿墙壁和其他障碍物的技术，是增强现实（AR）和混合现实（MR）的流行技术。在本文中，我们展示了一个动态的X射线视觉窗口，实时渲染的基础上，用户的当前位置，并在物理环境中的移动而变化。此外，窗口的位置和透明度也基于用户的眼睛注视动态地呈现。我们为当前最先进的MR头戴式设备（HMD）- HoloLens 2构建了这个X射线视觉窗口，集成了几个不同的功能：场景理解，眼动追踪和剪切原语。
2022-09-15 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
Privacy-preserving Scanpath Comparison for Pervasive Eye Tracking
针对普适眼动追踪中扫描路径比较的隐私风险，本文基于 Paillier 同态加密、随机处理与多层掩码设计单轮通信协议，并在三个公开数据集上验证其效率与可用性。
2024-04-09 cs.CR cs.HC
Air Mounted Eyepiece: Design Methods for Aerial Optical Functions of Near-Eye and See-Through Display using Transmissive Mirror Device
我们提出了一种新的方法来实现光学透视盔装显示器，它呈现真实的航空图像与宽视角，称为空气安装目镜（AME）。为了实现AMD设计，我们采用了现成的盔装显示器和通常用于航空真实成像系统的透射镜设备（TMD）。在所提出的方法中，我们复制的功能，盔装显示器（HMD）本身，这是在空中使用，通过使用TMD和呈现一个真正的图像目镜在眼前。此外，它可以通过在眼睛前方放置虚拟透镜而无需佩戴HMD来实现宽视角3D显示。除了增强混合现实和增强现实的体验之外，我们提出的方法还可以用作在诸如汽车和桌面工作的其他应用中使用的3D成像方法。本文旨在通过对这种近眼光学系统的优点和局限性的讨论，为人机交互领域和目镜接口的研究做出贡献。
2017-10-11 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
Evaluating Situated Visualization in AR with Eye Tracking
增强现实（AR）技术提供了用于将可视化嵌入真实世界环境中的手段。这种技术允许在其空间域中对实时数据进行现场分析。然而，由于现有的技术必须适应这一背景，新的方法将被开发，其评价对研究人员提出了新的挑战。除了既定的性能指标外，事实证明，眼动追踪是定性和定量评估可视化的一种有价值的手段。我们讨论了眼动追踪的挑战和机遇，为评估位于可视化。我们设想将基于凝视的评估方法扩展到这一领域将为人们如何感知增强现实中的可视化并与之交互提供新的见解。
2022-09-05 cs.GR cs.HC
Rethinking Privacy Indicators in Extended Reality: Multimodal Design for Situationally Impaired Bystanders
本研究针对扩展现实中因分心或视力受限而忽略隐私提示的情境受损旁观者，通过焦点小组和用户研究设计并评估了五种新型隐私指示器，发现多模态指示器比纯视觉指示器更受青睐，强调了适应性强、多模态和情境感知设计的必要性。
2025-08-09 cs.CY cs.ET 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
Designing and Evaluating Scalable Privacy Awareness and Control User Interfaces for Mixed Reality
本文针对混合现实设备的数据收集隐私问题，提出将隐私意识与控制界面嵌入MR技术设计的研究路线图，以赋权用户和旁观者并评估其实际效果。
2024-09-01 cs.HC
Privacy concerns from variances in spatial navigability in VR
当前的虚拟现实（VR）输入设备可以导航虚拟环境并记录关于用户的运动和特定行为习惯的沉浸式个性化数据，这将用户的隐私问题带到了最前沿。在这篇文章中，作者建议研究机器学习驱动的学习算法，这些算法试图与人类用户合作学习，可以用来消除VR中现有的隐私问题，但也可以扩展到增强现实（AR）平台。
2023-02-06 cs.CY cs.HC
More than Meets the Eye: Understanding the Effect of Individual Objects on Perceived Visual Privacy
Nokia Bell Labs（诺基亚贝尔实验室）；Linköping University（林雪平大学）
本文通过混合方法研究，探讨用户在面对包含多个敏感对象的图像时如何评估隐私风险，并揭示了情境和对象共存对隐私感知的影响。
2026-01-06 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
Usable Privacy in Virtual Worlds: Design Implications for Data Collection Awareness and Control Interfaces in Virtual Reality
针对VR隐私界面照搬2D机制的问题，该研究通过与开发者共创并由隐私专家评估，提出游戏化、目的绑定同意及细粒度可控设置等设计启示。
2025-03-13 cs.HC
Who Explains Privacy Policies to Me? Embodied and Textual LLM-Powered Privacy Assistants in Virtual Reality
Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI) Dresden/Leipzig, Leipzig University（莱比锡大学可扩展数据分析与人工智能中心）；LMU Munich（慕尼黑大学）；University of the Bundeswehr Munich（联邦国防军慕尼黑大学）
本研究提出基于大型语言模型的虚拟现实隐私助手，通过文本和具身交互模式提升用户对隐私政策的理解和决策质量。
2026-03-02 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
Immersive Invaders: Privacy Threats from Deceptive Design in Virtual Reality Games and Applications
本研究通过评估12款顶级VR应用，揭示欺骗性设计在VR中的表现，发现VR特有功能放大数据披露，并提出平衡沉浸与隐私的伦理设计建议。
2025-09-12 cs.HC
User Understanding of Privacy Permissions in Mobile Augmented Reality: Perceptions and Misconceptions
本文通过分析现有应用和120人在线调查，研究了移动AR应用中用户对隐私权限的认知与误解，并提出了设计更透明易用隐私机制的可操作性建议。
2025-06-25 cs.HC
Privacy in Immersive Extended Reality: Exploring User Perceptions, Concerns, and Coping Strategies
本研究调查464名XR用户，发现数据类型和敏感性影响隐私感知，但用户对传感器细粒度数据收集认知有限，需增强认知并设计适配的隐私界面与透明实践。
2025-03-26 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
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
Secure Storage and Privacy-Preserving Scanpath Comparison via Garbled Circuits in Eye Tracking
Technical University of Munich（慕尼黑工业大学）
本文提出基于混淆电路的方法，实现眼动追踪数据的安全存储和隐私保护的扫描路径比较，支持双端协作和服务器辅助两种模式，实验验证其在不同网络条件下具有实用性。
2026-04-21 cs.CR cs.HC
The Trail Making Test in Virtual Reality (TMT-VR): The Effects of Interaction Modes and Gaming Skills on Cognitive Performance of Young Adults
本研究开发并评估了虚拟现实连线测验TMT-VR，探究交互模式与游戏技能对青年认知表现的影响，发现眼动追踪和头部运动模式表现优于控制器，游戏技能无显著影响，该测验可用性与接受度高。
2024-10-30 cs.CY cs.HC cs.MM
3D Gaze Vis: Sharing Eye Tracking Data Visualization for Collaborative Work in VR Environment
执行协作任务，例如，多用户游戏，在虚拟现实（VR）可以使我们探索更身临其境和有效的体验。然而，对于当前的VR系统，用户不能通过他们的注视点彼此正确地通信，这将干扰用户对意图的相互理解。在本研究中，我们的目的是找到最佳的眼动追踪数据可视化，最大限度地减少认知干扰，提高用户之间的视觉注意和意图的理解。我们设计了三种不同的眼动追踪数据可视化：凝视光标、凝视聚光灯和凝视轨迹，并在虚拟现实场景中进行了一个人体心脏的课程，发现来自医生的凝视光标可以帮助学生更有效地学习复杂的3D心脏模型。为了进一步探索，两名学生作为一对被要求在VR环境中完成一个小测验，与彼此共享的目光光标，并获得了更高的效率和分数。研究表明，共享眼动追踪数据可视化可以提高虚拟现实环境下协同工作的质量和效率。
2023-03-19 cs.CY 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
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
"These cameras are just like the Eye of Sauron": A Sociotechnical Threat Model for AI-Driven Smart Home Devices as Perceived by UK-Based Domestic Workers
King’s College London（伦敦国王学院）；University of St Andrews（圣安德鲁斯大学）；Universitat Politècnica de València（瓦伦西亚理工大学）；INGENIO (CSIC-UPV)（INGENIO（西班牙国家研究委员会-瓦伦西亚理工大学））
本文提出一个社技术威胁模型，分析AI驱动的智能家庭设备对家庭工作者隐私和自主权的影响，揭示了AI分析、数据流动和雇佣安排对隐私风险的塑造作用。
2026-02-09 cs.CR cs.CY cs.HC
