研究設計決定（キャリブレーション、再キャリブレーション、品質基準）が検証されたウェブカメラ目の追跡精度に寄与する図

ウェブカメラ目の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目の追跡'の精度は、それを支える実装に大きく依存しています。文献で報告されている数値は、WebGazer（Papoutsaki et al., 2015）のような初期のシステムの約 4 視覚度から、これまでに発表された研究グレードのハードウェア目の追跡器との唯一の査読済み比較、LabvancedのEyeLink 1000に対する検証まで、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基準点であり、発表されたハードウェアベンチマーク比較に裏打ちされた唯一のウェブカメラ目の追跡精度の主張です。

それでもその数値は上限であり、保証ではありません。これは、キャリブレーションプロトコル、刺激のレイアウト、タスクに適したテスト環境の下で達成可能なものを説明しています。急いでキャリブレーションを行ったり、AOIを近接させすぎたり、照明を制御しなかったりする研究では、再現することはできません。六つの設計上の考慮事項が、再現性を決定します：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頻度、データ品質の閾値、頭の位置の制御、刺激の配置、および環境と参加者の条件です。

精度を決定する研究設計の決定事項

以下の六つの考慮事項は、すべてのウェブカメラ目の追跡プロトコルに適用されます。それぞれはLabvancedがどのように実装しているかを示しています。

I. キャリブレーションの長さとポイント数

任意のウェブカメラ目の追跡システムは、キャリブレーションマッピングから視線位置を推定し、そのマッピングはそれを生成するキャリブレーション手順の良さに依存しています。キャリブレーションの長さと得られる精度との間には直接的なトレードオフがあります。より長い手順と多くのキャリブレーションポイントがより正確な視線推定を出力します。キャリブレーションは、ウェブカメラ目の追跡研究において、参加者がシステムに積極的に関与する唯一のポイントでもあるため、選択される長さは実際には参加者の疲労と研究の持続時間とのトレードオフであり、デフォルトで最大化すべき設定ではありません。

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、ポイント数も設定可能です。適切な選択はAOIのレイアウトに依存します。多くの小さなAOIを含むデザインでは、5分間の長いキャリブレーションが提供する精度が必要であり、AOIがわずかに大きいだけのデザインでは、参加者がAOIの中のどこを見たかを正確に判断するのではなく、AOIを見たかどうかを判断することが目標であれば、2分程度の短いキャリブレーションがしばしば適しています。これは、参加者にとって迅速かつ便利であるため、ドロップアウトが少なくなります。

II. 再キャリブレーションの頻度

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おける視線を一瞬マッピングします。そのマッピングがセッション全体で有効であり続けるかどうかは、リモートで無監視の設定における実際の方法論的な問題であり、研究者が仮定して解決できるものではありません。Labvancedの自社の検証においては、参加者の位置が安定していれば精度は時間と共に一貫していました。これは、リスクは特に位置と照明のドリフトに関わるものであり、手法自体の内在的な劣化ではないことを意味します。

Labvancedの実装では: 研究内での再キャリブレーションは、たとえば一定の試行が経過した後など、定義されたポイントでトリガーされる可能性があります。全てのセッションに対して単一のキャリブレーションに頼らず、より長いまたはマルチブロックの研究や、静止しにくい参加者の集団に対しても対応することができます。このため、再キャリブレーションをどのように処理するかを考慮することは、ドリフトに対する直接的な制御になります。

III. データ品質の閾値

明確な品質基準がなければ、不良なキャリブレーションが良好な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。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対処する同じ問題です。ウェブカメラ目の追跡プロトコルは、データ収集を開始する前に適切にキャリブレーションされる基準を明示化する必要があります。

Labvancedの実装では: 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るため、それを超えた参加者には再キャリブレーションを促します。調整可能な試行回数まで試みられます。それらの試行後でも閾値を超えた参加者は、静かに劣化データと共に含まれるのではなく、研究に失敗します。

IV. 頭の位置の制御

キャリブレーションは視線を特定の頭の位置にマッピングするため、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ることは、リモート目の追跡設定において精度損失の最大の実用的な原因であり、研究者がラボのように物理的に確認できないものです。

Labvancedの実装では: バーチャルあご載せが、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漂うことができるかを制限し、フラグを立てることで、研究者に参加者の位置を物理的にチェックする代替手段を自動化します。

V. 刺激の配置

精度は画面全体で均一ではありません。同じ検証研究では、画面の中央に提示された刺激に対し、精度が向上しました（1.3°の精度、0.9°の精度）全体の数値（1.4°の精度、1.1°の精度）に対して (Kaduk et al., 2024)。周辺の刺激は中央の刺激よりも多少の誤差を伴うことが予想されます。これには研究設計に対する二つの直接的な意味があります。第一に、パラダイムが許す場合に、重要な刺激や最も重要な領域を中心に配置すると、最も信頼性の高い視線データが得られます。第二に、AOIベースの設計にとってはさらに重要で、同じ試行内で提示される任意の二つのAOIの間には、手法の誤差マージンを超えるのに十分なスペースが必要です。さもなければ、近接した二つのAOIの境界近くでの注視は、どちらか一方に確実に割り当てることができなくなります。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ベースの設計にはより多くのスペースを組み込む必要があります。

VI. 環境および参加者の条件

このセクションでは、照明、眼鏡、ウェブカメラの位置という、3つの環境および参加者側の条件について説明します。

照明

バックライティングとは、参加者の背後に配置された明るい光源（窓やランプなど）によって、参加者の顔がその影になり、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しているコントラストを減少させます。ランドマーク検出の劣化は、照明特有のフラグとしてではなく、キャリブレーションエラーが高くなる形で現れます。したがって、照明条件の直接的な検出に依存するのではなく、キャリブレーションエラー自体がしきい値に対して確認されるかどうかによってその影響が可視化されます。

Labvancedの実装において: キャリブレーション画面では、参加者に対して安定した明るい部屋にいること、背後に明るい光源がないことを指示しており、セッション中に照明が意味ある変化をする場合には再キャリブレーションをするよう求めています。これは参加者の遵守に依存しており、自動検出ではありません。Labvancedが自動的に適用する最低画面サイズのような設定とは異なり、悪い照明のキャリブレーションを捕まえるため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必要があります（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であり、反射を引き起こす眼鏡や着色またはブルーライトカット加工されたレンズではありません。そういった特性を持たない眼鏡はキャリブレーションに意味のある影響を与えず、眼鏡に関する懸念は第一印象ほど広くありません。

Labvancedの実装において: デフォルトの参加者向けキャリブレーション指示では、現在参加者に眼鏡を全く着用しないよう指示しています。これはテクニカルな制限ではなく保守的なデフォルトです。その指示は編集可能で、Texts & Translateの静的文字列の下にある眼球追跡システムメッセージに存在しますので、参加者に眼鏡を常に着用する人が多い研究者はその指示を修正することができ、デフォルトでそれらの参加者を除外する必要はありません。

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に相対して画面座標に視線をマッピングしますので、ウェブカメラと画面の中心とのオフセットは、再キャリブレーションだけでは補正できないエラーを生じさせます。これは、デバイスに組み込ま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の位置は画面に対して固定されています。

Labvancedの実装において: 外付け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画面の中心にできるだけ近い位置に配置するよう指示しています。

まとめ表

設計の決定	一般的原則	Labvancedの実装
I. キャリブレーションの長さ / 点数	長く、密なキャリブレーションは、参加者の時間を犠牲にして基準精度を改善します	調整可能な30秒から5分以上、点数は設定可能
II. 再キャリブレーションの間隔	ポジションや照明が変更された場合、一回のキャリブレーションがセッション全体に保持されないことがあります	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ます（例：ブロック間）
III. データ品質のしきい値	定義された基準がないと、質の悪いキャリブレーションが静かにデータセットに通過します	自動再キャリブレーションまたは除外とともに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	再キャリブレーション後のドリフトは、遠距離での精度損失の最大の実用的源である可能性があります	仮想シンレストはキャリブレートされた位置からのドリフトをフラグします
V. 刺激の位置決定	画面の中心での精度は周辺より高い；密接に配置されたAOIは誤分類のリスクがあります	妥当な中心画面精度の数値（1.3°）がAOIの間隔を計画するために利用可能です
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；反射や着色加工を引き起こさない限り眼鏡は問題ない	バックライティングに対する参加者の指示、非自動検出；画面サイズは設定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あり、制限ではありません

これらは異常な要求ではありません。これらは、物理的に参加者を監督できない設定に適用された、ハードウェア眼球追跡器のキャリブレーションルーチンに関するラボが行う同じカテゴリの決定です。これらが構成可能であり、いくつかのケースでは自動化されることが、特定の研究が実際に再現可能な精度の数値を得ることを可能にするのです。

この精度レベルが支援するもの

このページで使用されている参照値、1.2から1.4視覚度（1.3°の中心画面）、1.1°の精度、EyeLink 1000に対するピアソン相関が約0.8から0.9、特定のタスクでは0.9に達する、はLabvancedの査読付き検証結果です (Kaduk et al., 2024)、これまで発表された中で最も厳密にベンチマークされたウェブカメラ眼球追跡の精度数値です。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の代表ではありません。他の実装は異なる数値を報告しており、精度の報告方法は常に研究間で直接比較できるわけではありません（例えば、いくつかの研究では視覚度ではなくピクセルで報告し、画面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眼球追跡器との均衡ではありません。上記のプロトコルの下でも、リサーチグレードトラッカーとの精度のギャップは約0.5°です。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内容によります。

この精度レベルで十分支持されるもの:

注目領域（AOI）および滞留時間分析：参加者が刺激のどの領域を見ていたか、およびその時間
注視数と注視の持続時間
自由視聴および視覚的好みのパラダイム、自由視聴およびスムーズ追跡に対しておおよそ80%の相関を持って検証済み
最初の注視到達時間および一般的な視覚的注意のパターン

この精度レベルであまり支持されないもの:

サブ度精度タスク、測定自体が約1視覚度未満で解決する必要がある場合
サッケードダイナミクスおよびマイクロサッケード分析、空間的な精度だけでなく30から60 Hzのサンプリングレートに制約されます
密なテキスト内での単語レベルまたは文字レベルの注視精度を要するパラダイム

ウェブカメラとハードウェア眼球追跡器の選択を考える研究者は、このラインを中心に設計すべきであり、精度の数値を単独で考慮すべきではありません。研究の質問がAOIまたは注視レベルで答えられるなら、検証済みのウェブカメラ眼球追跡の実装は十分です。もしそれが度の一部内での視線の位置を解決する必要があるか、サッケードダイナミクスを捉える必要があるなら、ハードウェアが適切なツールであり続けます。

よくある質問

眼球追跡のキャリブレーションにはどのくらいの時間がかかるべきですか？

それは、調査中のAOIの大きさと数によって異なり、固定されたルールには基づきません。画面上に多くの小さなAOIがある場合、長い範囲の端、約5分が通常は良い選択です。なぜなら、細かく区切られたAOIの分離にはその精度が必要だからです。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、AOIを参加者が見たかどうかだけを判断することが目標である場合、より短いキャリブレーション、約2分の方が適していることが多いです：それは参加者にとっては迅速で便利であり、それにより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分以上まで調整可能ですので、持続時間は実際のAOIレイアウトの要件に合わせることができます。

長時間の研究セッションでウェブカメラによる目の追跡の精度は低下しますか？

Labvancedの検証では、参加者の位置が合理的に安定していれば、時間の経過とともに精度は一貫していました。無監視のリモート環境ではその安定性が保証されないため、定義されたポイント（例えばブロックの間）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の1回のキャリブレーションでは捕らえきれないドリフトを防ぎます。

参加者のキャリブレーションがデータに含めるのに十分かどうかを知るにはどうすればよいですか？

デフォルトですべてのキャリブレーションを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です。それがないと、不良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通過してしまいます。Labvancedの実装では、最大キャリブレーションエラーの閾値を設定することで、その閾値を満たさない参加者は自動的に再キャリブレーションされるか除外されます。これにより、研究者には仮定ではなく客観的な基準が与えられます。

参加者が位置から外れるのを防ぐ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低下の最大の実践的原因となる可能性があります。研究者が実験室のように物理的にこれを捕らえることはできません。Labvancedの実装では、仮想顎置きが、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ことができるかを制約し、位置の確認を物理的に行うことの自動化された代替機能を果たします。

ウェブカメラの目の追跡研究でAOI間にはどれくらいの間隔が必要ですか？

手法の精度マージンを上回るほどの間隔です。査読付きの検証では、精度は画面の中央で1.3°に近く、全体でわずかに広がります（1.4°）(Kaduk et al., 2024)。そのため、そのマージンよりも近くに配置された2つのAOIは、境界近くで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。重要な刺激を中央に配置し、依存する精度に比例した間隔を設けることで、このリスクを軽減します。

照明条件はウェブカメラによる目の追跡の精度に影響しますか？

はい。参加者の背後に明るい光源があると、その顔がシルエットになり、顔追跡モデルが顔や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減少し、キャリブレーションエラーが増加します。Labvancedは、参加者への指示（逆光を避け、安定した明るい部屋で行う）を通じてこれに対処していますが、照明自動検出には依存しません。光の乏しいキャリブレーションが実際に捕らえられるかどうかは、最大キャリブレーションエラーの閾値が設定されているかどうかに依存します。

Labvancedのキャリブレーション指示では、参加者に眼鏡をかけないように指示しています。それは眼鏡がサポートされていないということですか？

いいえ。実際に追跡に影響を与えるのは、光がウェブカメラに到達する前に歪むことであり、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リングコーティングがある眼鏡ではなく、単に眼鏡そのものです。これらの特性を持たない眼鏡は、キャリブレーションに意味のある影響を与えません。参加者に表示される「眼鏡をかけないでください」というデフォルトの指示は保守的なデフォルトテキストであり、技術的制約ではなく、編集可能です。眼鏡をかけることが一般的な参加者の集団を対象とする研究では、これを修正することができ、参加者を排除する必要はありません。

この方法を使用した発表された研究

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、階層的音調コンテキストを体系的に統合します。心理学的科学。(視線に依存した要素が含まれています)。
Zhang, P., & Zhang, S. (2025). L2の多モダリティにおける注意と学習：ウェブカメラを使用した目の追跡研究。言語学習と技術。 https://doi.org/10.64152/10125/73626
Serrano-Carot, M., Angele, B., Xu, H., & Vasilev, M. R. (2025). ウェブカメラを使用して読書中の眼球運動を研究できます。PsyArXiv (OSF Preprints)。 https://doi.org/10.31234/osf.io/bzt2h_v1
Lester, C., et al. (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：ウェブベースの模擬薬剤確認タスク：ランダム化比較試験。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におけるウェブカメラを使用した目の追跡。
Banki, A., de Eccher, M., et al. (2022). 心理学の最前線。発達および乳幼児の目の追跡。