1. 什么是 GazeCapture
GazeCapture 是首个面向移动设备的大规模眼动追踪数据集，由 MIT CSAIL 与多所高校合作在 2016 年公开。它通过众包方式在 iPhone / iPad 上采集，旨在让“眼动追踪走进每个人的掌中”，为在普通智能手机和平板上实现高精度 gaze estimation 提供训练素材。
2. 数据规模与组成
| 项目 | 说明 |
|---|---|
| 参与者数量 | 约 1 450–1 474 名（覆盖不同年龄、性别、种族） |
| 图像帧数 | 约 2.4 M–2.5 M 帧（超过 2 445 504 张图像） |
| 采集设备 | iPhone / iPad 前置摄像头，支持多种屏幕方向（竖屏、横屏） |
| 标注类型 | 屏幕上 2D 注视点（像素坐标）以及相机到眼睛的物理距离，兼容设备无关的坐标系 |
| 数据划分 | 训练 1 251 983 张、验证 59 480 张、测试 179 496 张（共 1 490 959 张有效帧） |
3. 收集方式
- 众包平台：使用专门开发的 iOS 应用配合 Amazon Mechanical Turk，参与者在“飞行模式”下完成任务，确保无外部干扰。
- 任务设计：屏幕上出现脉冲红点，要求用户持续注视；实时检测面部与眼睛，若检测失败则重新采集。
- 多样性：采集过程覆盖多种光照、头部姿态、设备握持方式和屏幕方向，显著提升数据的变异性和鲁棒性。
4. 主要特征与优势
- 规模最大：相较于当时公开的眼动数据集，参与者数量约为 30 倍、帧数约为 10 倍，提供了丰富的姿态与光照变化。
- 移动端专用：专注于前置摄像头视角，适配手机和平板的实际使用场景。
- 标注完整：提供屏幕坐标与相机距离两种信息，便于实现设备无关的 gaze 预测。
- 公开可用：代码、模型（iTracker）以及完整数据均可在官方页面下载，已被多篇后续研究作为基准数据集使用。
5. 可获取资源
| 资源 | 链接 |
|---|---|
| 数据集主页（含下载链接、说明文档） | https://gazecapture.csail.mit.edu/download.php |
| 原始论文（CVPR 2016） | “Eye Tracking for Everyone” – Krafka et al., CVPR 2016 |
| iTracker 代码与模型 | 同上论文附带的 GitHub 仓库（GitHub - CSAILVision/GazeCapture: Eye Tracking for Everyone） |
| 相关评测与基准报告 | 多篇后续论文（如 Adaptive Feature Fusion Network、iTracker 评测）均引用 GazeCapture 进行实验 |
6. 研究与应用场景
- 移动端 gaze estimation：iTracker 在手机上实现 10–15 fps 实时预测，误差约 1.3 cm（校准后）。
- 跨设备迁移学习：利用 GazeCapture 训练的特征在其他数据集（如 MPIIFaceGaze、ETH‑XGaze）上仍保持竞争力。
- 人机交互：用于视线驱动的 UI、注意力分析、辅助残障用户等实际产品原型。
7. 小结
GazeCapture 通过大规模、真实世界的移动端采集，填补了传统实验室眼动数据集在规模与多样性上的空白，为移动设备上的视线追踪提供了坚实的数据基础。其公开的下载渠道、完整的标注以及配套的 iTracker 模型，使其成为眼动研究与实际应用的核心基准资源。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！