| 内容 | 说明 | 关键来源 |
|---|---|---|
| 数据集定位 | 公开的移动眼动追踪数据集，专为低分辨率多摄像头眼动估计设计。 | |
| 数据来源 | 1️⃣ 合成数据：使用 UnityEyes 生成的 200 000 张高质量眼部图像，随后下采样至低分辨率。 2️⃣ 实验室真实数据：在受控光照下，使用 5 × 5 像素的微型摄像头采集的 280 000 张眼图，涉及 17 位参与者。 3️⃣ 移动场景真实数据：在真实移动环境中记录的 240 000 张眼图，来自 4 位参与者的多次会话。 |
|
| 数据规模 | 总计约 720 000 张眼部图像（200 k 合成 + 280 k 实验室 + 240 k 移动）。 | |
| 摄像头配置 | 多摄像头（通常 3–4 台）嵌入普通眼镜框架，每台分辨率仅 5 × 5 像素（甚至 3 × 3 像素），实现“隐形”集成。 | |
| 标注信息 | 每张图像均提供对应的 3D 注视方向（gaze vector）作为标签，供学习‑基于外观的 gaze 估计模型训练。 | |
| 主要用途 | - 评估低分辨率、多视角眼动估计算法 - 研究移动眼镜、AR/VR 中的隐形眼动追踪方案 - 为轻量化、低功耗的嵌入式眼动系统提供基准 |
|
| 公开获取 | 数据集下载页面： http://www.mpi-inf.mpg.de/invisibleeye （论文中提供的正式链接） |
|
| 关联论文 | InvisibleEye: Mobile Eye Tracking Using Multiple Low‑Resolution Cameras and Learning‑Based Gaze Estimation（ACM IMWUT 2017） PDF 可在作者机构页面或 ACM Digital Library 获取。 |
|
| 相关代码/资源 | 该数据集在多个眼动追踪代码库中被列出，例如 GitHub 上的 “Eye_Tracking_Repository”。 | |
| 后续工作 | 进一步的研究（如 2019 SIGMOBILE 论文）在此基础上探索更低分辨率（3 × 3 像素）和更高精度的模型。 |
简要说明
InvisibleEye 数据集是由德国马克斯·普朗克信息学研究所等团队在 2017 年提出的，用于 移动端低分辨率多摄像头眼动追踪 的基准。它通过 合成 + 实验室 + 移动三类场景，覆盖了从理想化模拟到真实使用环境的完整设计空间，帮助研究者评估在 仅几像素分辨率 下的 gaze 估计性能。数据集的公开下载链接已在论文中提供，并在后续的学术和工业项目中被广泛引用。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！