为了搞清楚人类是怎么看世界的，计算机开始学着“转动眼球”了：然后凭借转动的眼球“搜集要观测的信息”，再聚焦在文字或者图像上，开始“收集数据”：不仅能正常读书看画，甚至能模拟人类在无聊、兴奋、紧张等各种不同情绪下的瞳孔放缩、眨眼频率的细微变化。事实上，这是杜克大学的研究人员最新开发的一种“虚拟眼睛”，可以精确模拟人类观测世界的方式。这项研究目前已经开源，并即将发表于通信类顶会 IPSN 2022 上。通过这项研究得到的几近真实的数据，将全部反哺给计算机。这些数据有什么用？这种基于眼球追踪（Eye Tracking）技术得到的数据常常被称为眼动数据，包括注视时长、眼跳、追随运动等多个属性。就如我们常常将眼睛成为心灵之窗一样，这些眼动数据能反映不少人类的真实信息。比如，瞳孔的扩张、眼跳、游移次数可以表现当前主人的情绪（无聊或兴奋）、注意力是否集中、对某项任务是新手或娴熟、甚至是对某种特定语言的精通与否。这项研究的作者之一 Maria Gorlatova 甚至表示：（眼动数据）可能无意中暴露出性别和种族偏见、我们不想让别人知道的兴趣，甚至我们自己都不了解的信息。因此，对这些眼动数据的学习和研究，自然也就能产生一系列传感应用：包括认知负荷估计、久坐活动识别、阅读理解分析和情感识别。很多企业和开发者，比如微软的 VIVE Pro Eye，已经开始采用眼球追踪来实现基于目光的新的交互和环境感知。然而，在收集大规模的、有标签的眼动数据时，难免会碰到几个问题：人类视觉行为的随机性增加了数据收集的成本与人类受试者合作过程中可能涉及隐私侵犯问题生产模型训练所需的数据的时间成本过高（可能需要数以百计的人带着设备不间断地用眼数小时才能产生）虚拟眼睛收集数据如何解决上面的问题呢？杜克大学的研究团队提出了一套受心理学启发的模型 EyeSyn。这一模型只利用公开的图像和视频，就能合成任意规模大小的眼动数据集。它的整体架构如下：整体思路是以图像和视频作为输入，并将其作为视觉刺激，以生成相应的眼动数据。大的架构又由三个小模型组成：ReadGaze 模型模拟文本阅读中的视觉行为。拥有一个基于文本识别的检测模块、一个模拟跳读视觉行为的模拟器。VerbalGaze 模型模拟在口头交流中固定在面部某个区域、以及在面部不同区域之间切换注意力的视觉行为。拥有一个面部区域跟踪模块、一个基于马尔可夫链的注意力模型（Markov Chain-based Attention Model）。StaticScene 和 DynamicScene 模型模拟感知静态和动态场景过程中的眼球运动。拥有一个基于图像特征的显著性检测（Saliency Detection）模型，用以识别视觉场景中潜在的定点位置。△动态场景中的眼动数据基于这些构成，EyeSyn 不需要基于已有的眼动数据进行训练，上岗就能直接开始工作。并且，与传统眼动数据的收集过程相比，EyeSyn 在模拟不同的眼动跟踪设置、视觉距离、视觉刺激的渲染尺寸、采样频率和受试者多样性上，也更加方便快速。现在，只基于一小部分图像和视频，EyeSyn 就可以合成超过 180 小时的眼动数据，比现有的基于目光的活动数据集大 18 到 45 倍：研究人员 Maria Gorlatova 表示，“合成数据本身并不完美，但这是一个很好的起点。”小公司不用再花费过多的时间和金钱与人类受试者合作，建立真实活动数据集，而是可以直接使用这种方法。这种更加快速的眼动数据的生产方式，将使得普通的 VR、AR、还有元宇宙平台中的相关应用程序的制作都更加便捷。△Maria Gorlatova论文：https://www.researchgate.net/publication/359050928_EyeSyn_Psychology-inspired_Eye_Movement_Synthesis_for_Gaze-based_Activity_Recognition开源链接：https://github.com/EyeSyn/EyeSynResource参考链接：https://techxplore.com/news/2022-03-simulated-human-eye-movement-aims.html