时间: 2021-08-03 09:07:02 人气: 10 评论: 0
本文将为我们分享：“眼动追踪”在今时今日的发展状况？它主要用在哪些方面？前景又如何？
有点常识的人都知道，戒毒这件事儿，生理依赖容易摆脱，心瘾却很难除。一般的戒毒机构，往往只以戒毒者避免接触毒品的期限为参照，三个月或六个月，或者一两年，在此期间戒毒者如果表现正常，便被视为戒毒成功。由于心瘾未除，有许多人不久之后又**重新沾染上毒瘾而不得不再次戒毒，甚至多次反复。
只依赖生理诊断而缺乏一套心理毒瘾的诊断方式，显然是导致毒瘾久戒不除根的重要原因。
而现在，能判断戒毒者是否心理戒毒成功的诊断方法出现了。
根据香港《星岛日报》的报道，香港教育大学于近日首次在戒毒研究上应用了“眼动追踪”技术——通过对戒毒者注视毒品的时间和位置的判断分析，便可确定其是否已经完全戒除“心瘾”，而且正确率高达90%以上。
姑且不说这一新闻背后的技术能力究竟如何，单单“眼动追踪”四个字，就足以让人们“眼动”，令其又重新回到了大家的视野中。
那么，“眼动追踪”在今天到底是一个什么样的状况？它主要用在哪些方面？前景又如何呢？
针对这些问题，我们来尝试着做一些解答。
眼动追踪技术，顾名思义，就是通过图像采集设备对眼球运动的信息进行捕捉，实现对眼球的跟踪和分析，从而服务于具体的场景当中，如心理分析、电子设备屏幕切换甚至是对设备进行控制等。不难看出，眼动追踪包括三个步骤：
但Windows10似乎比较鸡肋，当年看演示打字的时候的确很科幻，但实用性太差，远不及人手的打字效率，再加上其他应用的缺乏，眼动追踪最终还是沦为了微软买产品的噱头而已。但从这个已经可以被看做失败的案例中我们可以略微窥出：眼动追踪固然好，没有应用也不行。而遍观如今的种种科技，能令眼动追踪技术大放异彩的，或许就是VR。Tobii也将VR视作其眼动追踪技术落地的最佳载体，并推出了适配VR头盔的设备Pro Glasses 2，但一支钢笔大小东西，用在VR头盔之类的设备上实在是有点占空间。
另一个问题是，目前的VR产品在呈现游戏或其他应用的图像时，往往是对所有的场景统统渲染，眼睛看到的地方清晰无比，看不到的地方也毫不含糊。我们显然可以从中看出三个弊端：
而眼动追踪，则正可以用来解决这个问题。
Tobii对此开发了视网膜中心渲染技术，通过对眼球的追踪，将人眼注视的区域进行高清渲染，而对眼球之外的区域进行模糊化处理，这符合人在看物体时的一般特点。
Tobii的思路正确无比，但实际效果却很有限。毕竟是图像处理，Tobii显然不太擅长——等等，说到图像处理，难道还有比AI更适合的方法吗？
自从2014年收购Oculus以来，facebook在VR上下的工夫一直都没有减少，砸钱砸得不计成本。这些投入也被外界称为“为未来买单”，facebook扔进大海的石子并没有沉没了事儿，也是激起了几多浪花的。比如基于眼动追踪技术的VR图像渲染上。去年5月份，facebook推出了Half Dome原型机，其集成了眼动追踪相机、宽视场光学系统和可独立变焦显示器，就是为了取得和人眼观察事物一致的效果：对视线之外的区域进行模糊处理，以达到沉浸式体验。
同样，这款原型机发布的时候和Tobii水平差不多，由于硬件和算法的限制，渲染的逼真程度很难让人评价为体验良好。
而去年12月，facebook就为其匹配了人工智能渲染系统Deep Focus。
那么，Deep Focus加持的图像渲染和Tobii以及Half Dome原型机的区别在哪里呢？一个词来回答就是：自然模糊。
对注视点之外的画面进行模糊处理是方向，但这其中的问题也有很多：清晰区域和模糊区域的过渡是否平滑自然？注视点移动过程中图像由模糊到清晰的转化是否自然？
不自然的过渡是这样的：
自然的过渡则是这样的：
显然下图要比上图有更自然的注视点边缘模糊处理。这也成为了Deep Focus努力的方向。而如果纯粹是用算力来解决问题，那对本身体积就存在限制的VR头显又提出了要求。因此facebook reality lab的研究者选择了另外一个方向：利用深度学习来实现自然模糊。为此，研究团队需要大量的数据来对人工智能系统进行训练。但问题是上哪儿去找这么多数据呢？于是他们随机生成了由大量对象组成的场景，然后交由Deep Focus来对这些对象的纹理等特征进行学习训练，从而生成逼真的渲染模糊效果。经过接近一年的训练，Deep Focus已经可以做出相当出色的渲染表现。
利用最新的人工智能技术来追踪研究并做出实时的图像处理，看起来是一个非常不错的主意。对facebook而言，或许它只是一种增强VR沉浸式体验的措施；而对整个眼动追踪技术应用层面而言，人工智能更大的意义则在于提供了一条行之有效的研究方向。
我们再回到眼球跟踪技术本身来。进入2019年，以5G网络商用为标志，越来越多的声音认为5G的大带宽、低延迟的特性将助推VR的复兴，乃至产业的爆发。能不能用“爆发”来修饰一番，似乎已经成为衡量某个技术或产业应用价值的标志之一。
那么，对眼动追踪技术而言，无论是传统的硬件厂商Tobii还是以facebook为代表的人工智能公司，似乎也都一刻也没有停止对它的技术演进。我们也套用一下：当AI入场之后，眼动追踪技术的应用是否也面临爆发呢？
以下这些，或许将成为所谓“爆发”前夜必须要考虑的问题：
支撑即时反馈的终端计算性能。
对眼动的跟踪、信息捕捉、分析处理和判断需要在极端的时间内完成，Facebook的Deep Focus虽然用AI实现了自然模糊的高级别应用，但这是建立在拥有四颗高性能GPU电脑的基础上，如果想要顺利搭载在VR头盔甚至是手机、手表等电子设备上，则必须要兼顾体积和计算的性能。或者，开发出更强大的算法。
“无效”眼动的精确排除。
人的眼球运动并非都是有意而为，如何排除无意识的眼球运动干扰，则需要下一步进行重点研究。
应用生态的大面积扩展。
今天看来，一件新技术要想获得大规模的推广应用，除了硬件层面的匹配之外，还要有相应数量级的应用支撑，尤其是能够产生刚需或制造刚需的应用。VR确实很有代表性，但只有VR显然是不够的，更何况VR自身也处于技术演进的过程中。那么，为眼动追踪技术打开更多的应用可能，也应该同步于对它的技术研究。
比如将眼动追踪与脑机接口结合起来，通过对无形脑电波的捕捉和外在眼球的跟踪，来判断大脑的意图倾向；为言语障碍、行动不便等人士提供医疗帮助，比如打字、呼救等；又或者用在汽车中的驾驶员疲劳监测、车机交互，成为手指、语音之外的第三种交互方式，增进人机交互的亲密度等等。
可见，在解决方案日渐成熟的前提下，眼动追踪其实是具备了成为科技“爆款”的潜质的：拥有广阔无比的应用场景。
只不过硬性的需求尚未形成，而技术的支撑仍然孱弱，眼动追踪技术在未来一段时期可能仍然**处于不温不火的状态。
但技术的发展趋势有时候总****乎我们的想象，AI概念提出60年后才迎来真正的爆发，也许掌管人类技术进化的神不小心打个盹，眼动追踪就**跳出慢吞吞的轨道，从捷径瞬时拥抱人间。
作者：脑极体，微信公众号：脑极体
本文由 @脑极体 原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自Unsplash， 基于CC0协议
