眼部追蹤技術一直擁有廣泛應用前景，然而過去 40 年來，由於其昂貴的硬體成本（高達幾十萬），使得它距離普通消費級應用十分遙遠。之前也有廠商嘗試過將這一技術應用於消費產品中，例如三星 Galaxy S4 基於普通鏡頭的眼部追蹤翻動手機頁面功能，然而產生的最大問題就是精度差，受環境光影響嚴重，不同人種更是差異巨大，所以三星後來去掉了這一功能。
近日， MIT 與喬治亞大學的人工智慧研究院希望可以改變這一現狀。他們藉助兩款名為 Gaze Capture 和 iTracker （與蘋果的手機防盜追蹤軟體 iTracker 不是同一個）的 App， 可以將任何一支手機都變成眼球追蹤裝置，大大降低了眼球追蹤技術應用的成本，並且精度提高一大截。
關於此項技術的一篇論文在 6 月 28 日的計算機視覺和模式識別大會上發佈，論文的作者之一 Aditya Khosla 表示，相比於之前同行的研究，他們的優勢在於數據。 Khosla 介紹，他們已經透過 GazeCapture 蒐集了超過 1,500 個手機用戶的注視模型，而在此之前，最大的數據樣本是大概也只有 50 個用戶。
為 什麼他們能蒐集到如此多的數據？答案是「眾包」模式。研究人員選擇亞馬遜的「Amazon Mechanical Turk」群眾外包平台，發佈使用 GazeCapture 任務，用戶可以登錄 Amazon Mechanical Turk。在下載這款 App（目前只提供 iOS 版）之後， GazeCapture 會在螢幕上展示一個顫動的小點，並在小點裡寫上「L」或「R」 （分別代表左右），以確保用戶集中注意力。用戶則透過點擊螢幕左側或右側來做出響應，然後藉助前置鏡頭記錄用戶的目光。用戶在完成每次任務之後，都可以獲得一筆「小費」。
透過以上方法， GazeCapture 幫助研究人員蒐集了豐富注視模型數據。之前，大多數的研究機構都是召集人們來實驗室採集數據，有 50 個數據樣本就非常不錯了。
（Source：Amazon Mechanical Turk）
對於 iTracker 軟體，一款目前只能在蘋果手機上運行的卷積神經網路系統 App 。 iTracker 能辨識出頭部和眼球的位置與方向，確定用戶的目光究竟看向螢幕的哪個位置。目前 iTracker 誤差範圍縮小到了 1.5 釐米，比以往實驗的精度提高了 2 倍。在論文提交之後，研究團隊又加入了 700 個用戶的數據，平均每個用戶有 1,600 張照片。在這一輪訓練中，誤差範圍更是縮小至 1 釐米，研究人員預測如果用戶達到 1 萬人，那麼精度會提高為 0.5 釐米。不過，這樣的精度對於商業用途來說，已經十分足夠 了。
對於 iTracker 來說，存在的最大問題是，神經網路是一個很大的系統，在手機端的運行效率會很低。不過，研究人員透過採用 「Dark Knowledge」（並非黑科技的意思）的處理方法，能夠將神經網路規模縮小到 20%，使得 iTracker 可以在手機端處理 15 格/ 秒的畫面，哪怕最短暫的眼神都可以清楚記錄。
對於眼球識別技術的重大突破，康奈爾大學教授 Noah Snavely 評論稱：
「在電腦視覺和人機互動領域，眼部追蹤一直都是人們十分感興趣的領域，但是它成本太貴了，讓普通用戶的手機就可以實現這一技術，非常令人驚嘆。在我看來，他們達到的精度，似乎可以讓這個領域的人群開始做些有趣的事了，這一項成果將會引發業內的一輪快速發展。」
（本文由 雷鋒網 授權轉載；首圖來源：MIT Technology Review）