Hot eventLive
真实驾驶条件下可穿戴注视精度评估框架
1 reports1 sources3 hr ago updated
Get the story
AI overview
2026年10月7日,arXiv Computer Vision(一手)报道《从实验室到道路:评估可穿戴设备注视精度用于驾驶》。研究提出首个量化真实驾驶条件下可穿戴眼动追踪设备注视精度的统一框架。道路实验覆盖41个有效场景,驾驶员注视车牌,平均注视误差为4.58度;应用室内记录估计的偏移后降至1.10度,全部41个场景均有改善。研究指出,由于偏移随会话变化,可靠的BEV监督可能需要在线重校准与条件依赖的注视不确定性估计。
Generated from reports · updated 3 hr ago
LatestOct 7
新研究提出统一框架,41个真实驾驶场景平均注视误差由4.58度降至1.10度。Timeline
Follow the coverage from different angles.
Oct 7, 2026
- arXiv · Computer Vision从实验室到道路:评估可穿戴设备注视精度用于驾驶
研究提出首个量化真实驾驶条件下可穿戴眼动追踪设备注视精度的统一框架。道路实验覆盖 41 个有效场景,驾驶员注视车牌,平均注视误差为 4.58 度;应用室内记录估计的偏移后降至 1.10 度,全部 41 个场景均有改善。由于偏移随会话变化,可靠的 BEV 监督可能需要在线重校准与条件依赖的注视不确定性估计。
Heat trend
Current heat 9·Comparable peak 10(Oct 7)·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.