MobilePoG

MobilePoG是一个用于移动设备上的点凝视估计和校准研究的基准数据集，包含静态和动态两种模式的数据，支持在不同凝视点和头部姿势下对个性化校准进行评估。

原始信息汇总

MobilePoG: Benchmark for Mobile Point-of-Gaze Calibration

数据集概述

• 目的：支持视线点估计和校准研究，主要目标是在不同视线点和头部姿势下实现个性化校准的有效评估。
• 来源论文："Pose-Robust Calibration Strategy for Point-of-Gaze Estimation on Mobile Phones" (BMVC 2025)。

数据集结构

Static-MobilePoG

• 目录结构：
  • {subject}_{pose}/frames/：包含图像文件（如00000.jpg）。
  • {subject}_{pose}/camera.json：相机参数。
  • {subject}_{pose}/face.json：面部关键点。
  • {subject}_{pose}/headpose.json：头部姿势（俯仰、偏航、翻滚）。
  • {subject}_{pose}/info.json：主题、姿势、数据集分割信息。
  • {subject}_{pose}/label.json：视线点标签。

Dynamic-MobilePoG

• 目录结构：
  • {subject}_{pog}/frames/：包含图像文件（如00000.jpg）。
  • {subject}_{pog}/camera.json：相机参数。
  • {subject}_{pog}/face.json：面部关键点。
  • {subject}_{pog}/headpose.json：头部姿势（俯仰、偏航、翻滚）。
  • {subject}_{pog}/info.json：主题、视线点、数据集分割信息。
  • {subject}_{pog}/label.json：视线点标签。

数据集示例

• Static-MobilePoG示例：参见Figure 2。
• Dynamic-MobilePoG示例：参见Figure 3。

引用要求

• 使用此数据集的研究人员需引用相关论文（引用格式待补充）。

搜集汇总

数据集介绍

构建方式

在移动设备视线估计研究领域，MobilePoG数据集通过系统化采集流程构建而成。该数据集包含静态与动态两个子集，分别记录不同头部姿态和注视点条件下的面部图像序列。数据采集过程中同步获取高精度相机参数、面部关键点坐标、头部旋转角度及真实注视点坐标，所有数据均经过严格校准与标注流程，确保空间坐标系的统一性和标注可靠性。

使用方法

该数据集支持端到端的视线估计算法验证，研究者可通过加载图像序列与对应标注文件构建训练测试集。静态子集适用于姿态鲁棒性校准方法评估，动态子集则用于连续注视追踪性能测试。使用时应按照数据集划分规范进行模型训练，通过解析JSON格式的标注文件获取头部姿态参数和归一化注视坐标。数据集提供标准化的评估协议，支持跨被试泛化能力和个性化校准策略的定量分析。

背景与挑战

背景概述

移动设备视线追踪技术是人机交互领域的前沿研究方向，MobilePoG数据集由赵宇杰等研究人员于2025年构建，旨在解决移动端注视点估计中的个性化校准难题。该数据集通过BMVC会议发布，首次系统性地整合了多头部姿态条件下的静态与动态注视数据，为移动环境下的视线交互研究提供了标准化评估基准，显著推动了可穿戴计算与智能交互界面的发展。

当前挑战

移动端注视点估计面临头部自由运动导致的视角偏移和个体生理差异双重挑战，需解决动态环境下毫米级精度的视线追踪难题。数据集构建过程中需克服多模态数据同步采集的技术瓶颈，包括高精度头部姿态标注的获取、移动设备摄像头参数标定，以及大规模被试者数据采集时保持环境光照一致性的操作复杂性。

常用场景

经典使用场景

在移动计算视觉领域，MobilePoG数据集为视线估计研究提供了标准化评估框架。该数据集通过静态与动态双模态设计，支持研究人员在受控环境中模拟用户头部姿态变化时的注视点校准过程，典型应用于开发无需专用硬件的智能手机视线追踪算法验证，为移动端人机交互研究奠定数据基础。

解决学术问题

该数据集有效解决了移动端视线估计中个性化校准与头部姿态鲁棒性的核心学术难题。通过提供多角度头部姿态标注和精确的注视点坐标，支持研究者突破传统方法对固定头部位置的依赖，推动自适应校准模型的发展，显著提升移动设备在自然交互场景下的视线追踪精度与稳定性。

实际应用

在实际应用层面，MobilePoG数据集驱动的技术可赋能智能手机无障碍交互系统，使渐冻症患者通过眼球运动操作移动设备。其高精度视线追踪能力同样适用于车载系统驾驶员状态监控，通过实时分析注视点变化预警疲劳驾驶，为智能交通系统提供关键行为数据分析支持。

数据集最近研究

最新研究方向

随着移动计算设备的普及，视线追踪技术在人机交互领域展现出巨大潜力。MobilePoG数据集作为首个专注于移动端视线标定的基准数据集，推动了头部姿态鲁棒性校准策略的前沿研究。当前研究热点集中于利用该数据集开发轻量化神经网络架构，以解决移动设备计算资源受限条件下的实时视线估计难题。该数据集通过提供多模态标注信息（包括面部关键点、头部旋转参数和精确的注视点坐标），显著促进了跨设备视线迁移学习和个性化校准模型的发展，为增强现实和虚拟现实应用提供了重要的技术支撑。