摘要

理解人们注视的位置是一种富有信息量的社会线索。在本研究中，我们提出了 Gaze360——一个大规模的眼动追踪数据集及方法，用于在非受限图像中实现鲁棒的三维眼动估计。我们的数据集包含238名受试者在室内与室外环境下的数据，涵盖广泛的头部姿态与距离，并对三维注视方向进行了标注。该数据集在受试者数量与多样性方面均为当前公开数据集中规模最大的，这得益于一种简单高效的采集方法。我们提出的三维眼动估计模型在现有方法基础上进一步引入了时序信息，并可直接输出眼动估计的不确定性。通过消融实验，我们验证了该模型的优势；并通过跨数据集评估，展示了其在多个近期眼动基准数据集上的良好泛化能力。此外，我们提出了一种简单的自监督方法，以提升模型在跨数据集场景下的域适应性能。最后，我们展示了该模型在超市环境中估算顾客注意力的实际应用效果。相关数据集与模型已公开发布，访问地址为：http://gaze360.csail.mit.edu。