ウェブカメラによる眼球追跡精度に影響を与える設計上の考慮事項

ウェブカメラベースの眼球追跡の精度は、その実装に大きく依存します。文献に報告されている数値は、WebGazer (Papoutsaki et al., 2015)のような初期システムの約4視覚度から、現在までに発表されたリサーチグレードのハードウェア眼球追跡装置との比較の中で唯一の査読付き研究、LabvancedによるEyeLink 1000に対する検証での1.2から1.4視覚度までさまざまです (Kaduk et al., 2024)。この数値は、このページ全体で使用されるリファレンスポイントです。なぜなら、現在この分野で公開された、ハードウェアによるベンチマーク比較に裏打ちされた唯一のウェブカメラ眼球追跡の精度主張だからです。

その数値でさえも上限であり、保証ではありません。これは、適切なタスクに対してのキャリブレーションプロトコル、刺激レイアウト、テスト環境のもとで達成可能なものを説明します。急いだキャリブレーション、近接しているAOI、または照明のコントロールがない研究では再現されません。次の6つの設計上の考慮がそれを決定します: キャリブレーションの長さとポイント数、再キャリブレーションの間隔、データの品質基準、頭の位置制御、刺激の配置、および環境と参加者の条件。

精度を決定する研究設計の決定

以下の6つの考慮事項は、すべてのウェブカメラ眼球追跡プロトコルに適用されます。各考慮事項は、Labvancedがそれをどのように実施しているかで示されます。

I. キャリブレーションの長さとポイント数

すべてのウェブカメラ眼球追跡システムは、キャリブレーションマッピングから視線の位置を推定しますが、そのマッピングはそれを生成したキャリブレーション手順の良さに依存します。キャリブレーションの長さと結果の精度の間には直接的なトレードオフがあります: より多くのキャリブレーションポイントを持つ長い手順は、より正確な視線の推定を提供します。キャリブレーションはまた、ウェブカメラ眼球追跡研究において、参加者が積極的にシステムに関与しなければならない唯一のポイントでもあるため、選択された長さは参加者の疲労と研究の期間との間のリアルトレードオフであり、デフォルトで最大化する設定ではありません。

Labvancedの実装において: キャリブレーションは約30秒から5分以上に調整可能で、ポイント数も設定可能です。正しい選択はAOIのレイアウトに依存します: 多くの小さなAOIを持つデザインは、5分程度の長いキャリブレーションから提供される精度が必要です。一方、参加者がAOIにどれだけ注目したかを判断するだけで十分な、大きなAOIが少数しかないデザインの場合は、より短いキャリブレーション (約2分) が参加者にとって迅速かつ便利であり、結果的に脱落者が少なくなることがよくあります。

II. 再キャリブレーションの間隔

キャリブレーションはスナップショットです: 特定の頭の位置と照明条件に対して視線をマッピングします。そのマッピングがセッション全体で有効に保たれるかどうかは、リモートで無監視の設定にとっては実際の方法論的な疑問であり、研究者が無視できるものではありません。Labvanced自身の検証においては、参加者の位置が安定していれば、時間が経過しても精度は一定のままでした。これは、リスクが特に位置と照明のドリフトに関連していることを意味し、メソッド自体の内在的な劣化ではありません。

Labvancedの実装において: 研究内で再キャリブレーションは、例えば一連の試行が経過した後に定義されたポイントでトリガーできます。一回のキャリブレーションに依存するのではなく、長いまたは複数のブロックの研究、または静止している可能性が低い集団においても有効です。したがって、再キャリブレーションをどう扱うかを考慮することは、ドリフトに対する直接のコントロールとなります。

III. データ品質基準

明確な品質基準がなければ、悪いキャリブレーションが良いものと区別できずにデータセットに静かに流入します。これは、キャリブレーションが収束しない参加者を除外することでハードウェアラボが管理する同じ問題です。ウェブカメラ眼球追跡プロトコルは、データ収集が始まる前に適切にキャリブレーションされていると見なされるものの明示的な基準を必要とします。

Labvancedの実装において: 最大キャリブレーション誤差を画面対角線の割合として設定でき、その誤差を超えた参加者には再キャリブレーションを促すことができます。設定可能な試行回数まで超えた参加者は、静かに劣化したデータで研究に含まれるのではなく、研究を失敗します。

IV. 頭の位置制御

キャリブレーションは視線を特定の頭の位置にマップしますが、キャリブレーションが完了した後に参加者がその位置からずれてしまうと、リモート眼球追跡設定での精度損失の最大の実用的要因となる可能性があります。これは、研究者がラボでできるように参加者の位置を物理的に確認することができない場合に発生します。

Labvancedの実装において: バーチャル顎置きが参加者の頭がキャリブレーションされた位置からどれだけずれるかを制限し、それをフラグ立てすることで、研究者が参加者の位置を物理的に確認する自動化された代替手段を提供します。

V. 刺激の配置

精度は画面全体で均一ではありません。同じ検証研究において、画面中央に提示された刺激の精度が全体の数値 (1.4°の精度、1.1°の精密度) に比べて改善されました (1.3°の精度、0.9°の精密度) (Kaduk et al., 2024)。周辺刺激は中央の刺激よりも若干多くのエラーを持つことが予想されますが、これは研究設計に直接的な意味を持ちます。まず、パラダイムが許す場所では、重要な刺激や最も重要な領域を中央に配置することで、最も信頼性の高い視線データが得られます。次に、AOIベースのデザインにとってより重要なこととして、同じ試行で提示される任意の2つのAOIは、メソッドの誤差のマージンを超えるために十分なスペースが必要です。さもなければ、近接したAOI間の境界付近の注視は、どちらのAOIにも信頼性を持って割り当てることができません。一般的なルールとして、依存する精度の数値が近いほど、AOIベースのデザインにはより多くのスペーシングが必要です。

VI. 環境および参加者の条件

このセクションでは、環境と参加者側の条件として、照明、眼鏡、ウェブカメラの位置を取り上げます。

照明

逆光は、参加者の背後に位置する窓やランプなどの明るい光源が顔をシルエット化し、カメラベースの顔追跡が顔や目のランドマークを正確に検出するために依存するコントラストを減少させます。劣化したランドマーク検出は、照明特有のフラグとして現れるのではなく、むしろ高いキャリブレーションエラーとして現れます。したがって、照明条件の直接的な検出に依存せず、キャリブレーションエラー自体がしきい値に対してチェックされているかどうかに依存します。

Labvancedの実装において: キャリブレーション画面は、参加者に安定した明るい部屋にいるよう指示し、背後に明るい光源がないこと、セッションの途中で照明が有意に変化した場合には再キャリブレーションするように指示します。これは、参加者の遵守に依存しており、自動検出には依存していません。Labvancedが自動的に設定された後に強制する最小スクリーンサイズのような設定とは異なり、悪灯のキャリブレーションを捉えるには最大キャリブレーションエラーしきい値が設定されていることが必要です（上記のデータ品質しきい値を参照）。

眼鏡

実際に追跡を劣化させるのは、ウェブカメラに到達する前に光が歪むことや、反射を引き起こす眼鏡、または着色されたりブルーライトカットのコーティングが施されたレンズであり、眼鏡そのものではありません。これらの特性を持たない眼鏡は、キャリブレーションに有意な影響を与えないため、眼鏡に関する懸念は見かけよりも狭いものとなります。

Labvancedの実装において: デフォルトの参加者向けのキャリブレーション指示では、現在参加者に眼鏡をまったく着用しないように伝えることになっています。これは技術的制限ではなく保守的なデフォルトです。この指示は編集可能で、Texts & Translate の静的文字列の下にある目の追跡システムメッセージに存在するため、参加者集団が一般的に眼鏡を着用する研究者は、その指示を改訂することができます。

ウェブカメラの位置

キャリブレーションは、ウェブカメラの位置を基準にしてスクリーン座標に視線をマップしますので、ウェブカメラとスクリーンの中心との間にオフセットがあると、再キャリブレーションだけでは補正できないエラーが加わります。これは、デバイスに統合されたウェブカメラには適用されず、統合されたウェブカメラはスクリーンに対して固定された位置にあります。

Labvancedの実装において: 外部ウェブカメラを使用している参加者には、キャリブレーション画面でそれをできるだけスクリーンの中心に近づけるよう指示しています。

サマリーテーブル

設計上の決定	一般的な原則	Labvancedの実装
I. キャリブレーションの長さ / ポイント数	より長く密度の高いキャリブレーションが基準精度を向上させるが、参加者の時間がかかる	調整可能な30秒から5分以上、ポイント数の設定が可能
II. 再キャリブレーション間隔	位置や照明が変化した場合、単一のキャリブレーションはセッション全体に持続しないかもしれない	定義されたポイントで再キャリブレーションをトリガーできる（例: ブロック間）
III. データ品質しきい値	定義された基準がなければ、悪いキャリブレーションが静かにデータセットに通過する	自動再キャリブレーションまたは排除を伴う設定可能な最大キャリブレーションエラーしきい値
IV. 頭の位置制御	キャリブレーション後のドリフトは、リモートでの精度喪失の最大の実用的要因である可能性が高い	仮想顎置きがキャリブレーションされた位置からのドリフトをフラグします
V. 刺激の位置	誤分類のリスクを伴う中央スクリーンよりも周辺が誤差が少なく、正確性が高い	中央スクリーンの正確性の評価値（1.3°）が利用可能であり、AOIの間隔を計画するために使用可能
VI. 環境および参加者の条件	照明が追跡品質に影響を与える。反射を引き起こす場合を除いて眼鏡は問題ありません。	バックライティングの参加者指示あり、自動検出ではない。スクリーンサイズは構成可能なハードウェア設定；デフォルトの「眼鏡なし」の指示は編集可能な静的文字列で、制限ではない。

これらは異常な要件ではありません。これらは、研究者が物理的に参加者を監督できない環境に適用される、ハードウェアの目の追跡装置のキャリブレーションルーチンに関してラボが行う決定の同じカテゴリです。これらが設定可能で、多くの場合自動化できることが、特定の研究が実際に再現できる検証された精度評価が得られる理由です。

この精度レベルがサポートするもの

このページで使用される参照値は、1.2から1.4視覚度（中央画面で1.3°）、精度1.1°、およびEyeLink 1000に対しておおよそ0.8から0.9のピアソン相関であり、特定のタスクで0.9に達するもので、Labvancedの査読付きの検証結果です(Kaduk et al., 2024)であり、現在までに公開された最も厳密なベンチマークを受けたウェブカメラ目の追跡精度の数値です。サンプリングレートは参加者のウェブカメラに応じて30から60 Hzです。これはすべてのウェブカメラベースのシステムを必ずしも代表するわけではありません。他の実装は異なる数値を報告しており、精度に関する報告方法は研究間で必ずしも直接比較可能ではありません（例えば、いくつかの研究は視覚度ではなくピクセルで報告し、これにはスクリーンサイズと視距離に関する追加の仮定が必要です）。

これはハードウェアの目の追跡装置と同等ではありません。上記のプロトコルに従っても、研究グレードのトラッカーに対して約0.5°の精度のギャップがあります。このギャップが特定の研究にとって何を意味するかは、その研究が測定する必要があるものによって異なります。

この精度レベルでよくサポートされているもの:

興味のある領域（AOI）と滞在時間の分析: 参加者が刺激のどの領域を見たか、そしてどのくらいの時間
固定数と固定時間
フリー視聴と視覚的好みのパラダイムで、EyeLinkとのフリー視聴およびスムーズな追跡において約80%の相関が検証済み
最初の固定までの時間および一般的な視覚的注意パターン

この精度レベルであまりサポートされていないもの:

視覚的な度数で約1度未満に解決する必要があるサブ度精度のタスク
サッカードダイナミクスとマイクロサッカード分析、空間的精度のみならず30から60 Hzのサンプリングレートに制約される
密なテキストでの単語レベルまたは文字レベルの固定精度を必要とするパラダイム

ウェブカメラとハードウェアの目の追跡装置を選択する研究者は、このラインに沿って設計するべきです。もし研究の質問がAOIや固定レベルで回答できるものであれば、検証されたウェブカメラ目の追跡実装は十分です。もしそれが視線位置を1度未満で解決する必要がある場合や、サッカードのダイナミクスを捉える必要がある場合は、ハードウェアが適切なツールとして残ります。

よくある質問

アイ・トラッキングのキャリブレーションにはどれくらい時間がかかりますか？

調査されるAOIのサイズと数によります。固定のルールはありません。多くの小さなAOIが画面上にある場合、精緻なAOIの分離が必要なため、通常は約5分ほどの長い方が良い選択です。たとえば、2つの画像や大きなテキストブロックのように、参加者がAOIを見たかどうかのみを判断することが目的で、正確な位置を確認する必要がない大きなAOIがわずかにある場合は、約2分の短いキャリブレーションがより適しています：これは参加者にとって速く、便利であるため、ドロップアウトが少なくなります。Labvancedの実装では、キャリブレーションは約30秒から5分以上に調整可能で、AOIのレイアウトに実際に必要な持続時間に合わせることができます。

ウェブカメラのアイ・トラッキングの精度は長時間の研究セッションで低下しますか？

Labvancedの検証では、参加者の位置が合理的に安定している限り、精度は時間とともに一貫しており、ドリフトしません。そのため、無人のリモート設定ではその安定性が保証できないため、定義されたポイント（たとえば、ブロック間）で再キャリブレーションをトリガーすることで、セッションの開始時に行った単一のキャリブレーションでは捉えきれないドリフトに対して保護します。

参加者のキャリブレーションが私のデータに含めるのに十分良いかどうかはどうやって知りますか？

すべてのキャリブレーションをデフォルトで受け入れるのではなく、定義された品質基準を設定することによってです。基準がないと、悪いキャリブレーションが良いものと区別できずにデータセットに静かに流れ込むことになります。Labvancedの実装では、参加者がその基準を満たさない場合、自動的に再キャリブレーションまたは除外されるようにすることで、研究者に前提ではなく客観的な基準を提供する最大キャリブレーション誤差の閾値を設定できます。

研究中に参加者が位置を移動することで、アイ・トラッキングデータが壊れないようにするにはどうすればよいですか？

キャリブレーションは特定の頭の位置に視線をマッピングするため、その後の動きはリモート研究における精度損失の最大の実用的な原因となる可能性があり、研究者がラボでできるように物理的に捉えることができないものです。Labvancedの実装では、バーチャル顎乗せが参加者の頭がキャリブレーションされた位置からどれくらい移動できるかを制限し、参加者の位置を物理的に確認するための自動的な代替手段として機能します。

ウェブカメラのアイ・トラッキング研究ではAOI間にどれくらいの間隔が必要ですか？

方法の精度マージンを超える十分な間隔が必要です。査読された検証では、画面の中心での精度は約1.3°、全体ではやや広い（1.4°）ため、2つのAOIがそのマージンよりも近くに配置されると、境界近くの注視が誤って別のAOIに割り当てられるリスクがあります。重要な刺激を中心に配置し、頼りにする精度数値に比例した間隔を設けることで、このリスクを軽減できます。

照明条件はウェブカメラのアイ・トラッキングの精度に影響しますか？

はい。参加者の後ろに明るい光源があると顔がシルエットになり、顔追跡モデルが顔と目のランドマークを正確に検出するために必要なコントラストが低下し、キャリブレーション誤差が増加します。Labvancedは自動照明検出ではなく、参加者への指示（逆光を避ける、安定した明るい部屋を使用する）を通じてこれに対処しています。悪い照明のキャリブレーションが実際に捕まるかどうかは、最大キャリブレーション誤差閾値が設定されているかどうかによります。

Labvancedのキャリブレーション指示では参加者にメガネをかけないように指示しています。それは、メガネがサポートされていないことを意味しますか？

いいえ。実際にトラッキングに影響を与えるのは、メガネが反射を引き起こしたり、色付きまたはブルーライトフィルターコーティングを施している場合のように、ウェブカメラに到達する前に光が歪むことです。メガネそのものではありません。それらの特性がないメガネはキャリブレーションに意味のある影響を与えません。参加者に示されるデフォルトの「メガネをかけないでください」という指示は保守的なデフォルトテキストであり、技術的制限ではなく、編集可能です。メガネをかけている参加者が一般的な研究の場合を考慮して、このテキストを修正することができます。

この方法を使用した公表研究

Cassano-Coleman, R. Y., Izen, S. C., & Piazza, E. A. (2026). リスナーは音楽的訓練に関係なく階層的な音調コンテキストを体系的に統合します。心理学の科学。(視線依存の要素を含む)。
Zhang, P., & Zhang, S. (2025). L2の多モダリティにおける注意と学習：ウェブカメラベースのアイ・トラッキング研究。言語学習 & テクノロジー。 https://doi.org/10.64152/10125/73626
Serrano-Carot, M., Angele, B., Xu, H., & Vasilev, M. R. (2025). ウェブカメラは読書中の眼球運動を研究するために使用できます。PsyArXiv (OSFプレプリント)。 https://doi.org/10.31234/osf.io/bzt2h_v1
Lester, C., 他. (2025). 不確実性を考慮したAIモデルが薬剤師の反応時間と意思決定に与える影響：無作為化対照試験。JMIR 医療情報学。 https://doi.org/10.2196/64902
Wies, S., Bleier, A., & Edeling, A. (2022). マーケティングジャーナル。マーケティングリサーチの文脈でのウェブカメラベースのアイ・トラッキング。
Banki, A., de Eccher, M., 他. (2022). 心理学のフロンティア。発達と乳児のアイ・トラッキング。