HiFiGaze：利用螢幕內容知識提升眼追蹤準確度
arXiv - Human-Computer InteractionTaejun Kim, Vimal Mollyn, Riku Arakawa, Chris Harrison
本研究提出一項新方法，透過利用裝置對自身螢幕內容的認知，提升消費者裝置上眼追蹤的準確性，並透過使用者研究驗證其有效性。
AI 幫你先抓重點
AI 重點 1
利用螢幕內容知識提升眼追蹤準確度是核心突破。
滑鼠懸停看 AI 判斷理由
此方法突破了傳統眼追蹤技術的限制，不再完全依賴使用者面部特徵，而是結合了螢幕內容的資訊，大幅提升了準確性，對於未來人機互動設計具有重要意義。
AI 重點 2
相機位置影響追蹤效果，底部位置更佳。
滑鼠懸停看 AI 判斷理由
研究發現相機位於裝置底部時，追蹤效果更佳，這提示在設計眼追蹤系統時，應考慮相機的物理位置，以優化追蹤性能，並提供更自然的互動體驗。
核心研究發現
- 1
透過捕捉使用者眼睛中螢幕的 2D 反射，可以推斷使用者的視線方向，但單獨此方法不足以達到高準確度。
- 2
裝置對自身螢幕內容的了解，能有效分割螢幕反射，並準確判斷反射的位置和大小，進而推斷使用者的視線目標。
- 3
最佳模型相較於傳統的基於外觀的模型，平均追蹤誤差降低約 8%。
- 4
若眼追蹤相機位於裝置底部，追蹤準確度可再提升 10-20%。
- 5
高解析度（4K 或更高）的相機對於捕捉螢幕反射至關重要，有助於提升眼追蹤的準確性。
對教育工作者的啟發
此研究對於教育科技的應用具有潛力，例如，可以開發更精準的學習分析系統，追蹤學生在螢幕上的視線移動，了解其學習模式和注意力集中程度。此外，也能應用於自適性學習系統，根據學生的視線數據調整學習內容和難度。在課程設計上，可以利用眼追蹤數據評估教材的視覺吸引力及學習者對不同資訊的關注程度，進而優化教材設計。
原始文獻資訊
- 英文標題：
- HiFiGaze: Improving Eye Tracking Accuracy Using Screen Content Knowledge
- 作者：
- Taejun Kim, Vimal Mollyn, Riku Arakawa, Chris Harrison
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。