什么是MPIIGaze数据集

MPIIGaze 数据集概览

1. 简介

MPIIGaze 是由德国马普信息学研究所（Max‑Planck Institute for Informatics）在 2017 年发布的 真实场景注视（gaze）估计数据集。它专为评估在日常、无约束环境下的眼动追踪与注视方向预测算法而设计，克服了传统实验室数据集光照、姿态、外观单一的局限。

参考文献：Zhang X. 等，MPIIGaze: Real‑World Dataset and Deep Appearance‑Based Gaze Estimation，TPAMI 2017

2. 数据规模与采集方式

3. 数据内容与标注字段

每个参与者对应一个 .label 文件，文件中每行记录一张图像的多维信息，主要字段包括：

• Image：归一化眼部图像相对路径
• Origin：原始图像路径
• WhichEye：左眼 / 右眼
• 3Daze：归一化的 3D 注视方向向量
• 3DHead：归一化的 3D 头部姿态向量
• 2Daze：Yaw、Pitch 形式的 2D 注视方向
• 2DHead：Yaw、Pitch 形式的 2D 头部姿态

（完整字段说明见官方数据集说明文档）

4. 文件结构与使用方式

MPIIGaze/
│
├─ Image/                # 归一化的左/右眼图像（PNG/JPG）
│   ├─ left/
│   └─ right/
│
├─ label/                # 每位受试者的 .label 文件
│   ├─ subject01.label
│   └─ …
│
└─ README.pdf            # 数据集概述与使用指南

• 图像 已经经过人脸检测、眼部对齐和尺度归一化，可直接用于深度学习模型的训练。
• .label 文件采用空格分隔，复合字段内部用 ; 分隔，便于脚本解析。

5. 下载与获取方式

• 官方主页（含数据说明、下载链接）：
  https://www.mpi-inf.mpg.de/departments/computer-vision-and-machine-learning/research/gaze-based-human-computer-interaction/appearance-based-gaze-estimation-in-the-wild
• 直接下载链接（示例）‍：
  http://u3v.cn/5BsiEe （可在上述页面获取最新的镜像或请求）
• PDF 说明文档（文件结构、标注细节）：
  https://phi-ai.buaa.edu.cn/Gazehub/Guideline/EyeBased/MPIIGaze.pdf

注：下载前需阅读并遵守数据使用协议（CC‑BY‑NC‑SA 4.0），在学术论文或项目中引用原始论文即可。

6. 研究应用与常见引用

MPIIGaze 已成为 注视估计、眼动追踪、跨数据集评估 等方向的基准数据集，常见的研究用途包括：

• 深度外观模型（如 GazeNet、GazeNet+）的训练与评估
• 跨数据集实验：与 UT‑Multiview、EyeDiap、MPIIFaceGaze 等数据集共同使用，验证模型在真实环境下的鲁棒性
• 头部姿态与光照影响分析：通过对比不同光照、佩戴眼镜与否的子集，研究对注视误差的贡献

在论文中引用时推荐使用：

Zhang, X., Sugano, Y., Fritz, M., & Bulling, A. (2017). 
MPIIGaze: Real‑World Dataset and Deep Appearance‑Based Gaze Estimation. 
IEEE Transactions on Pattern Analysis and Machine Intelligence, 40(11), 2627‑2639.

7. 与相关数据集的关系

• MPIIFaceGaze：基于同一批原始图像，提供对应的全脸图像与更丰富的面部关键点标注。两者常被一起使用，但 MPIIGaze 只包含眼部图像和注视向量。
• 其他公开数据集（如 EyeDiap、UT‑Multiview）在实验中常与 MPIIGaze 进行对比，以评估模型在“野外”与“实验室”场景的差异。

如需进一步的技术细节（如标注坐标系、图像预处理脚本），可在官方页面下载完整的 README.pdf 或在 GitHub 上搜索 “MPIIGaze” 相关的开源实现。祝科研顺利！