Morning5/Gaze360

Gaze 360数据集包含记录的眼动数据，存储在Gaze_txt_files目录中。每个参与者的数据存储在一个单独的目录中，每个视频的数据存储在一个txt文件中。每个txt文件中的每一行包含帧、帧索引、前向、头部位置x、头部位置y、眼睛、注视位置x、注视位置y等信息。头部位置和注视位置是相对于全景图像的位置，范围从0.0到1.0，从图像的左下角开始计算。360度视频存储在videos目录中，但尚未提供。

原始信息汇总

数据集概述

数据集名称

Gaze 360

数据存储结构

• 主目录：Gaze_txt_files
  • 子目录：每个子目录对应一个参与者的数据。
    • 文件：每个txt文件存储一个视频的观测数据。

数据格式

每个txt文件中的数据行格式如下：

"frame, frame index, forward, head position x, head position y, eye, gaze position x, gaze position y"

数据字段说明

• frame：帧号
• frame index：帧索引，从1开始
• forward：方向信息
• head position x, head position y：头部在全景图像中的位置，范围从0.0到1.0，基于全景图像的左下角计算
• eye：眼睛信息
• gaze position x, gaze position y：视线在全景图像中的位置，范围从0.0到1.0，基于全景图像的左下角计算

视频数据

• 存储位置：videos目录
• 状态：即将提供

搜集汇总

数据集介绍

构建方式

在视觉感知研究领域，Gaze360数据集通过系统化的采集流程构建而成。研究团队利用全景视频记录多参与者的自然视觉行为，每位参与者的数据独立存放于专属目录中，每段视频对应的凝视数据则存储于文本文件内。文本文件的每一行精确记录了帧序号、头部位置坐标及凝视点坐标等关键参数，坐标值以归一化形式呈现，为后续的三维视线分析提供了结构化基础。

使用方法

使用该数据集时，研究者可从‘Gaze_txt_files’目录按参与者层级访问凝视数据。每个文本文件可通过解析行内字段获取帧级凝视向量，结合即将提供的全景视频素材，可实现视线轨迹与场景内容的时空对齐。归一化坐标可直接映射至全景图像空间，支持视线估计、注意力建模等计算机视觉任务的算法开发与验证。

背景与挑战

背景概述

在计算机视觉与人机交互领域，视线估计技术旨在通过分析图像或视频中的人眼信息推断用户的注视方向，对于虚拟现实、辅助驾驶及行为分析等应用具有关键价值。Gaze360数据集由Morning5团队于近年构建，其核心研究问题在于解决传统视线估计方法受限于有限视角的瓶颈，通过引入360度全景视频数据，推动视线估计向全空间范围的拓展。该数据集通过采集多人在自然场景下的头部与眼部坐标数据，为开发鲁棒且不受视角约束的视线估计算法提供了重要基础，显著提升了相关模型在复杂环境中的泛化能力与实用性。

当前挑战

Gaze360数据集所解决的领域问题在于实现360度全景环境下的精准视线估计，其挑战包括如何从高动态范围的全景视频中稳定提取头部与眼部特征，并克服光照变化、头部遮挡及快速运动带来的干扰。在构建过程中，研究人员面临数据采集与标注的复杂性，需在多视角同步录制环境下确保时空对齐，同时将头部位置与注视坐标映射至全景图像坐标系，这一过程涉及大量手动校准与几何校正工作，对数据的一致性与准确性提出了较高要求。

常用场景

经典使用场景

在计算机视觉与眼动追踪领域，Gaze360数据集为研究三维空间中的注视方向估计提供了关键支持。该数据集通过全景视频记录多角度头部与眼部位置数据，经典使用场景包括开发基于深度学习的注视方向预测模型，尤其适用于处理非受限环境下的动态视觉任务。研究者利用其丰富的标注信息，训练模型从复杂背景中准确推断注视点，推动了无约束条件下人机交互系统的性能提升。

解决学术问题

Gaze360数据集有效解决了传统眼动研究中受限于二维平面或固定视角的学术难题。它通过提供360度全景环境下的连续注视轨迹，使研究者能够探索头部运动与注视行为的协同机制，从而深化对视觉注意力在三维空间分布的理解。这一突破不仅促进了多模态感知模型的创新，还为跨现实与虚拟环境的注视分析奠定了数据基础，具有重要的理论意义。

实际应用

在实际应用层面，Gaze360数据集广泛应用于增强现实与虚拟现实系统的用户体验优化。例如，在VR头显设备中，基于该数据训练的模型可实时追踪用户注视方向，实现动态焦点渲染以提升图像质量与交互效率。此外，它在智能驾驶监控、远程协作工具及无障碍辅助技术中也展现出潜力，通过精准的视线分析增强系统的情境感知能力。

数据集最近研究

最新研究方向

在计算机视觉与人机交互领域，视线估计技术正逐步从受限的二维场景向全景环境拓展。Morning5/Gaze360数据集以其360度全景视频与对应的头部及视线位置标注，为三维空间中的视线追踪研究提供了关键支撑。当前前沿研究聚焦于利用该数据集开发跨视角的深度学习模型，以应对动态全景场景下的视线方向预测挑战，相关成果正推动虚拟现实、智能驾驶等热点应用中的自然交互体验优化。这一进展不仅深化了对人类视觉注意机制的理解，也为多模态感知系统的设计奠定了数据基础，具有显著的学术与工程意义。