myEye2Wheeler

myEye2Wheeler数据集是由印度研究机构创建的，包含了两轮车驾驶员在复杂交通环境中的真实世界视觉注意行为。该数据集共有261,073帧，由40名参与者驾驶两轮车在印度海得拉巴的一条繁忙城市道路上采集得到，旨在为开发适用于印度交通条件的 saliency 模型提供支持，并改善两轮车用户的道路安全。

The myEye2Wheeler dataset was developed by an Indian research institution, capturing real-world visual attention behaviors of two-wheeler riders in complex traffic environments. It comprises a total of 261,073 frames, collected from 40 participants riding two-wheelers on a busy urban road in Hyderabad, India. This dataset is intended to support the development of saliency models tailored for Indian traffic conditions, and to improve road safety for two-wheeler road users.

搜集汇总

数据集介绍

构建方式

myEye2Wheeler数据集的构建方法是采用Tobii Pro Glasses 2 wearable eye tracker收集印度两轮车驾驶员在真实世界中的 eye-tracking 数据。参与者被分为有经验和无经验两组，分别驾驶TVS Jupiter无齿轮摩托车或个人两轮车，在规定路线上收集数据。数据采集过程中严格遵守安全规则，使用Tobii Analyzer软件处理视频数据，构建包含 gaze 'ground truth' 的帧，以支持 saliency 模型的开发。

特点

myEye2Wheeler数据集的特点包括：1)它是专门针对印度两轮车驾驶员在复杂交通环境中的 gaze behaviour；2)数据集涵盖了多样化的驾驶场景，包括不同类型的车辆和道路使用者；3)数据集提供了 gaze 数据与 road scene 的结合，有助于深入理解驾驶员的决策过程；4)数据集的组织结构便于研究人员访问和分析。

使用方法

使用myEye2Wheeler数据集的方法包括：1)研究人员可以分析 gaze patterns 与 traffic environment 的关系；2)可以利用数据集开发和使用 saliency models 以预测驾驶员的 gaze targets；3)可以通过 train/test split 方法来评估和改进模型的性能；4)数据集支持自定义分析，以提取关于 road objects、visual continuity maps 和 driver behaviour 的详细信息。

背景与挑战

背景概述

本文介绍了myEye2Wheeler数据集，这是一个独特的实时眼动数据集，专注于印度复杂的交通条件下两轮车驾驶者的视觉注意行为。该数据集由Bhaiya Vaibhaw Kumar、Deepti Rawat、Tanvi Kandalla、Aarnav Nagariya和Kavita Vemuri等人于2025年提出，旨在填补两轮车驾驶行为研究的空白，并强调为特定交通环境开发上下文相关注意模型的必要性。该数据集记录了在 Hyderabad 市繁忙道路上的两轮车驾驶者的真实世界驾驶场景，提供了研究驾驶者如何应对印度交通密度的宝贵视角。

当前挑战

myEye2Wheeler数据集面临的挑战包括：1) 解决领域问题，即如何在复杂的印度交通环境中为两轮车驾驶者设计有效的辅助驾驶系统；2) 构建过程中的挑战，如如何在保持数据隐私的同时收集和整理大量的眼动数据。具体来说，TASED-Net模型在该数据集上的表现不如在欧洲4轮车眼动数据集DR(Eye)VE上的表现，这提示我们需要为印度交通条件定制专门的注意模型。

常用场景

经典使用场景

该数据集最经典的使用场景是捕捉印度两轮车驾驶员在复杂交通环境中的真实世界视线行为，以用于研究和开发适应印度交通条件的驾驶员辅助系统。

解决学术问题

该数据集解决了以往研究主要集中在四轮车驾驶员，忽视了两轮车驾驶员视线行为研究的问题，为两轮车驾驶员的视线行为分析和驾驶员辅助系统设计提供了宝贵的实证数据。

衍生相关工作

该数据集衍生了针对印度交通环境特点的视线预测模型的研究，以及基于该数据集的驾驶员行为分析方法和应用程序的开发。