모바일 기기를 위한 고프레임 속도 안구 추적 프레임워크

화면 응시 추적은 외관 기반 안구 추적 작업으로 최근 몇 년간 큰 관심을 받아왔습니다. 과거에 학습 기반의 고정밀 안구 추적 방법이 설계되었지만, 신경망 기반 딥 모델의 복잡한 사전 학습과 높은 계산량은 모바일 기기에서의 적용을 제한합니다. 게다가 모바일 기기의 디스플레이 프레임 속도가 꾸준히 120fps로 증가함에 따라 고프레임 속도 안구 추적은 점점 더 도전적이 되고 있습니다. 본 연구에서는 추적 효율성 문제를 해결하고, 모바일 기기에 특화된 생물학적 영감을 받은 안구 추적 모델인 GazeHFR을 제안하여 높은 정확도와 효율성을 모두 제공합니다. 구체적으로 GazeHFR은 안구 움직임을 빠른 순응 운동(saccade)과 부드러운 추적 운동(smooth pursuit)의 두 단계로 구분하고, 각 움직임 단계에 맞춘 경량 학습 모델과 프레임 간 운동 정보를 결합하여 정확도에 영향을 주지 않으면서 높은 효율의 안구 추적을 구현합니다. 기존 기술과 비교할 때, GazeHFR은 모바일 기기에서 약 7배의 속도 향상과 15%의 정확도 개선을 달성합니다.