Labvanced Eye Tracking 2.0: 精确的网络摄像头眼动追踪适用于所有在线研究
Labvanced Eye Tracking 2.0 在无人监督的在线参与者中使用标准网络摄像头以 1.8 度的中位数视觉角精度追踪注视（占屏幕对角线的 5.2%）。该结果来自 494 名 Prolific 参与者在其自己的计算机上，数据以匿名方式发布于本说明中。
经过超过一年的开发，Eye Tracking 2.0 在真实在线研究中带来了实验室中网络摄像头眼动追踪所达到的精度。
主要发现
- 中位数精度为 1.8°（占屏幕对角线的 5.2%），经过两分钟校准和平衡筛选。
- 经过长时间校准和非常严格筛选，中位数精度达到 1.4°（占 4%）。
- 注视稳定性比第一代更好：每次样本之间的噪声比实验室中 Eye Tracking 1.x 记录的低约 40%。
- 99.3% 的付费参与者提供了完整的数据集，平衡筛选使招聘成本提高了约 10%。
大纲
- 1摘要与介绍
- 2我们的测量方法：任务、指标和参与者
- 3具有双眼融合的改进注视引擎，适用于笔记本电脑、平板电脑和手机
- 4用于个别神经网络微调的更短和更好的校准
- 5更好的筛选方法、技术预检查及简化的设置
- 6对头部运动和光照变化的实时校正
- 71.4到1.8个视觉度的精度，经约500名Prolific真实参与者验证
- 8无需任何校准的被动层，适合婴儿研究
- 9讨论：哪种设置适合哪种研究？
- 10自己尝试一下
- 11数据和可重复性
摘要
网络摄像头眼动追踪已经成为在线行为研究的强大工具，而 Labvanced 系统的第一代在实验室中与 EyeLink 1000 验证的准确度约为 1.4°视觉角 (Kaduk et al., 2024)。仍然存在几个问题：这种精度在真实在线研究的非控制条件下能够保持多少？为什么有些参与者提供的数据远远低于其他人，并且能否在研究者支付他们之前识别出来？校准能否缩短以使其在普通在线研究中更为实用？不符合条件的参与者该怎么办？在这里，我们展示了如何提高眼动追踪的准确性，同时缩短校准时间，简化设置，并与我们的合作伙伴 Prolific 优化整个过程用于真实在线数据收集。我们随后在七个录音批次中验证了该系统，共有约 500 名完成 45 个目标精度任务的参与者，并发布其匿名数据，以便每个结果都可以被验证。通过我们的新标准校准（约 2 分钟）和平衡筛选，中位数参与者的误差为屏幕对角线的 5.2%，在距笔记本电脑 60 厘米处为 1.8°的视觉角。 经过 5 分钟的校准和非常严格的筛选，在线参与者的中位数精度达到屏幕对角线的 4%，相当于标准距离下的 1.4°视觉角。总之，通过这次发布的 Eye Tracking 2.0，我们展示了在我们的同行评审实验室比较中报告的准确性可以在线复制。
1. 引言
眼球运动持续不断地揭示注意力，并且无需询问，而几十年来测量它们需要实验室设备。通过我们现有的第一代网络摄像头系统（在此称为 Eye Tracking 1.x），我们展示了网络摄像头在准确预测眼球运动方面可以非常接近：在五个标准化任务中与 EyeLink 1000 同步记录，我们的系统达到了 1.4°的精度和 1.1°的精确度，约比实验室“黄金标准”慢半度 (Kaduk, Goeke, Finger & König, 2024)。自那时起，独立小组证实了该情况，并在广泛的领域中将该系统应用开来：
- 阅读。 与 EyeLink 同时记录时，Labvanced 网络摄像头注视与实验室追踪器的相关性中位数为 0.81，并且再现了单词频率效应 (Serrano-Carot, Angele, Xu & Vasilev, 2025)。
- 婴儿发展。 在音视频同步任务中，比较了在家中记录的婴儿网络摄像头注视与实验室眼动追踪 (Bánki, de Eccher, Falschlehner, Hoehl & Markova, 2022)。
- 决策和人机交互。 远程注视揭示了早期决策过程 (Bertrand, Ouellette Zuk & Chapman, 2023)，在数字对象任务中的目光和光标协调 (Bertrand & Chapman, 2023) 和用户的挫败感 (Stone & Chapman, 2023)，在一篇关于网络摄像头眼动追踪实用性的博士论文中汇总 (Bertrand, 2023)。
- 语言、注意和感知。 研究追踪学习者在获取第二语言词汇时如何关注文本、音频和图片 (Zhang & Zhang, 2025)，单词如何偏向视觉注意力 (Calignano, Lorenzoni, Semeraro & Navarrete, 2024)，部分信息如何塑造动态面部感知 (Alp, Lale, Saglam & Sayim, 2024)，以及视频游戏玩家如何检测变化 (Haverly, 2022)。
- 教育和科学传播。 学生观看讲座视频时的注视同步预测了他们的测试表现 (Sauter, Hirzle, Wagner, Hummel, Rukzio & Huckauf, 2022)，注视时间显示了在线广告是如何分散对科学解释的注意力 (Tsutsuse, 2025)。
- 市场营销、社会和环境心理学。 Instagram 用户的注视显示他们关注一个影响者的粉丝数量 (Wies, Bleier & Edeling, 2023); 对简历的关注解释了 1,159 名参与者如何判断歧视性招聘 (Zhang & Powdthavee, 2026); 并且对城市场景的注视与情绪体验有关 (Sander, Mazumder, Fingerhut, Parada, Koselevs & Gramann, 2024)。
- 健康和人机交互。 一项随机对照试验测量了药剂师在 AI 协助他们验证药物时的注视位置 (Tsai et al., 2025; Kim et al., 2026)，一项临床研究在 ADHD 儿童中记录了网络摄像头注视与 EEG (Zhao et al., 2025)。
方法论评审和入门指南现在将Labvanced列为已建立的网络摄像头眼动追踪系统之一（Niehorster et al., 2025；Jenke & Sullivan, 2025；Patterson, Nicklin & Vitta, 2025；Tsuji, Amso, Cusack, Kirkham & Oakes, 2022）。这些结果将网络摄像头眼动追踪，以及特别是Labvanced，确立为学术研究的一个重要工具。
重要的是，为了将我们的基于网络摄像头的数据与EyeLink进行比较，我们之前的比较项目，最终导致了我们经过同行评审的出版物，必须在实验室内进行。因此，我们可以控制包括计算机、屏幕、网络摄像头、房间和照明在内的整个环境。我们还可以亲自指导参与者，并且在这样的实验室环境中，大多数参与者在进行实验时可以说是付出了最佳或至少是良好的努力。在真实的在线参与者的无监督环境中，几乎没有这种保障。在线参与者在他们自己的设备上坐在他们所处的位置，处于他们所拥有的光线中，有些人完全不专心。鉴于这些已知的缺陷，我们对许多使用我们现有眼动追踪技术的项目取得显著成功并发表在领先期刊上感到高兴和自豪。然而，一些研究人员未能达到他们期望的准确性或面临其他困难，例如参与者因较长的校准而感到沮丧，或因技术和各种其他原因而未能通过的大量参与者。例如，尽管我们已经建立了适合婴儿的校准，但两项婴儿研究发现我们第一代的眼动追踪对于他们最年轻的参与者而言尚不够可靠（Grosse Wiesmann et al., 2025；Golan, Abo Shkara & Havron, 2023）。
在2025年，我们开始系统地评估这些缺陷，并逐一解决它们。在这段旅程的尽头，尽管绝不是网络摄像头眼动追踪发展的终点，站着的是眼动追踪2.0。这个实验室笔记描述了发生了什么变化以及为什么， 我们是如何验证的，现在可以期待在真实在线参与者中获得什么准确性。所有数据均为开放获取，任何人均可独立复制和验证（第11节）。我们还计划进行一项新的同行评审研究，但由于这需要时间，我们希望现在分享这些结果。
2. 我们如何测量
本笔记中所有参与者的数据是在大约一个月的时间内收集的，基本上在相同的研究范式中。然而，眼动追踪版本在几乎每一批录制之间都发生了变化，以测试或验证我们最新的开发（例如，测试姿势校正）。一些批次也较小，一些较大，原因各异。本笔记不是同行评审的出版物，但我们相信这里报告的所有分析和结果都是科学严谨的，确实富有洞察力，欢迎每个人下载数据并复制或验证这些数据。一篇关于眼动追踪2.0的同行评审文章，可能还会包括其他一些主题，将随后发布。
**任务。**参与者完成技术可行性检查（见第5节）并完成研究的校准；被接纳的参与者随后进行了一个简短的训练模块，最后完成一个45个目标的准确性任务：一个9乘5的网格，覆盖整个屏幕，随机顺序逐一呈现。参与者的任务是关注目标（一个普通的圆圈），并在其颜色变化时立即点击它。如果参与者点击得太早或太晚，则该试验将被重复。您可以自己运行此任务（第10节）。
**指标。**我们感兴趣的主要指标是目标误差或准确性。这被定义为目标位置与目标改变前最后1000毫秒的注视位置的中位数之间的距离。我们还实现了一种新的注视检测算法，并使用变化时的注视中心；这两项测量（注视中位数和注视）产生了几乎相同的准确性结果。关于这种新注视检测机制的更多信息将在下一个实验室笔记中提供。参与者的准确性随后定义为他们45个误差的中位数，而群体的准确性则为参与者的中位数。我们在整个过程中报告这个中位数，不过滤试验或参与者。在1920乘1080的屏幕（全高清）上，1%的对角线为22px，5%为110px。由于远程录制设置，我们无法可靠记录真实的物理屏幕大小或参与者的确切视距。因此，视觉角度的误差是针对假定的参考屏幕计算的：一台14.2英寸的笔记本电脑（例如，一台14英寸的MacBook Pro），观看距离为60厘米，这是典型在线参与者使用的13到16英寸范围的中间值。
**样本。**在2026年8月25日至9月28日期间进行了十批录制，产生了大约700个完成的会话。本笔记中报告的结果基于最近七批的494个完成会话：20个来自2.0.9批，296个来自高等级（未筛选），50个来自高等级（进行了平衡筛选并进行了实时校正），以及100个来自最高等级。大约200个来自最早几批的会话在早期开发中塑造了系统，因此不包含在报告结果中。
**数据。**这494个会话的匿名数据，以及计算本笔记中每个数字和图表的脚本，可以下载（见第11节）。
3. 双眼注视引擎
3.1 双眼引擎如何工作
Labvanced眼动追踪2.0是如何预测眼动和注视的？
图 1. 处理链。所有操作都在参与者的设备上进行（边缘推理）；没有图像或视频离开设备。
双眼融合模型指的是什么？2.0注视引擎将两只眼睛视为两个独立的测量，并将它们结合在一起，因此半闭合、处于阴影中或被反射捕捉到的眼睛计数较少。还使用邻近帧的信息，而不平滑真实的眼球运动。结果是比以前更准确、更稳健的原始注视估计，以及一个更能表明实际精度和准确性的置信值。
**速度和设备。**注视引擎为速度重写，并利用最新的网络技术，如WebGPU和WebAssembly。综合来看，这大大加快了实时预测和微调步骤（校准）。因此，Eye Tracking 2.0可以在大多数笔记本电脑上顺利运行（除了较旧的Chromebook和类似设备），在台式电脑上以及在现代平板电脑上，如iPad。手机使用大约15秒的缩短校准，而在我们自己的手机测量中，注视相当准确。后续将对平板电脑和手机进行现场验证。
3.2 结果：样本噪声比1.x减少40%
**精度。**通过双眼融合，注视显著更稳定和精确。在在线检测中，2.0注视样本的散布中位数为屏幕对角线的2.2%（约0.75°），而它们的样本到样本噪声比我们2023年实验室研究（第7.2节）中记录的Eye Tracking 1.x的低40%。
4. 更短且更好的校准
4.1 校准是如何工作的
2.0的校准显著更短，并且以根本新的方式工作。在记录每个校准点时检查其质量，因此在参与者眨眼或偏头时记录的点会立即被重复。然后，参与者的网络在他们自己的设备上进行微调，在大多数情况下显著快于以前，而且微调是有限时的，因此没有参与者会被卡住。
**注视控制。**注视控制是一个简短的对接任务，在第一个眼动追踪任务之前、头部重新定位后以及由准确性层级设置的定间隔内运行：在高层级每三分钟一次，在最高层级的每个试验前一次。它从不打断试验。参与者在开始到结束的中位时间为6.7秒。每次运行也可作为对当前注视质量的检验，实时校正会使用（第6节）。
**探测。**一个会话的第一轮注视控制运行稍微长一点，总共约17秒，作为探测：它预测参与者在会话其余时间的注视准确性。这是筛选水平的基础（第5节）：在更高的水平上，仅允许预测准确性更好的参与者进入研究。
4.2 结果：高层4分钟，最高层7分钟
**指令+校准在高层需要4分钟，最高层需要7分钟。**从看到第一个指令文本到探测结束，真实在线参与者在高层需要中位数约4分钟（约2分钟的校准点）和在最高层需要约7分钟（约5分钟的校准点）。微调本身在两分钟校准后需要中位数约37秒，在最高层后约67秒。注意，受试者在微调步骤中大多数可以放松。
**两分钟的校准对大多数研究来说足够，但五分钟会更好。**在平衡筛选（级别3）下，两分钟的校准（高层）交付约5.2%的对角线（约1.8视觉度）。对于大多数在线范式，这将准确到足够。最高的校准在非常严格的筛选（级别5）下交付约4%（图2），这大约是1.4视觉度。
| median error, % of the screen diagonal | |
|---|---|
| High tier, 2 min calibration, level 3 (n = 50) 5.2 % ≈ 1.8° at 14.2" and 60 cm | 5.24 |
| Highest tier, 4 to 5 min calibration, level 5 (n = 10) 4.1 % ≈ 1.4° at 14.2" and 60 cm | 4.06 |
5. 更好的筛选、技术预检查和更简单的设置
5.1 预检查和筛选是如何工作的
筛选分为两个阶段，由我们的合作伙伴和参与者招募提供商Prolific的新功能支持。首先，技术检查拒绝不合适的设备且不支付费用；然后进行校准、探测和筛选，参与者费用由研究者选择减少。
**技术拒绝。**检查设备的能力及其摄像头，注视采样率必须达到10 Hz。这里的失败将导致技术拒绝：参与者只需几秒钟（在非常慢的设备上最多可能需要一分钟），并告知他们拒绝的原因。向来自Prolific的参与者传达这一点的最佳方式是创建拒绝链接，选择“设备不兼容”作为理由，并勾选“请求参与者返回研究”。大多数参与者会乐意返回，对于那些仍然提交全额的参与者，系统会标记他们的状态为“设备不兼容”，因此拒绝的原因是明确的。结果，只有拥有技术能力的设备的参与者才能进入实际研究并被允许进行校准。
**校准后的筛选。**在校准和探测后，系统决定是否允许参与者进入眼动追踪任务，基于研究的筛选级别。级别0不筛选任何人，允许所有人开始任务。级别1仅筛选拒绝校准失败的参与者，而级别2到5则根据探测预测的准确性筛选，约65、50、30或15的100位参与者被允许。未通过的参与者会即时被筛选掉。如果您使用Prolific，我们建议使用专用的筛选链接，并支付参与者0.50英镑用于两分钟校准，0.80英镑用于五分钟校准（筛选链接在Prolific上部分支付）。这些金额适用于眼动追踪校准几乎是参与者所做的第一件事。如果眼动追踪部分在您研究中开始得很晚，请考虑启用校准重试（默认关闭），并且对于重试未通过的参与者，支付更高的筛选费用。
综合来看，技术拒绝和筛选使得我们2.0系统的眼动追踪在众包平台如Prolific上成为顺畅的体验，为被接纳的参与者提供高准确性和高完成率。
5.2 结果：99.3%的完整数据集，约10%的额外成本
**预检查捕捉了后来可能失败的情况。**在我们的一次在线数据收集中，251名参与者中有37人（约15%）在开始前被拒绝，原因大多数是摄像头的分辨率低于要求或计算机太慢无法跟踪人脸（图3）。否则他们每个人都会产生失败或无法使用的会话。我们现在还强制要求测量的注视率至少为10 Hz，这是我们新的注视算法所需的（更多将在下一个实验笔记中介绍）。
| entrants turned away | |
|---|---|
| camera below required resolution | 11 |
| computer too slow to track the face | 9 |
| unsupported graphics processor | 5 |
| camera permission denied | 4 |
| no camera | 3 |
| no WebGL | 2 |
| no WebAssembly SIMD | 1 |
| gaze rate below 10 Hz | 1 |
| camera delivered no frames | 1 |
| median error, % of the screen diagonal | |
|---|---|
| 10 Hz or lower (n = 7) | 7.58 |
| 11 to 14 Hz (n = 20) | 6.33 |
| 15 Hz and above (n = 318) | 6.02 |
**每个筛选级别都能产生可预测的增益。**将这一点应用于没有筛选的高层295名参与者，每个级别在接纳与准确性之间的交换逐步为0.2到0.7分（图5）。在第三级，平衡的情况下，大约一半的所有参与者被接纳，被接纳参与者的中位数下降约1分，而被接纳参与者的比例低于10%的则从17%降至3%。后来的实时批次正好如预期般确认了这一点：在平衡筛选下，一半的参与者被接纳，他们交付了5.24%（第7.1节）。
| median error of admitted participants | |
|---|---|
| 0: No screening | 6.21 |
| 1: Failed only | 5.99 |
| 2: Light | 5.48 |
| 3: Balanced | 5.28 |
| 4: Strict | 4.88 |
| 5: Very strict | 4.17 |
筛选成本很低，因为被筛选出的参与者只部分支付。 被筛选出的参与者将获得全额费用的一小部分，在我们的案例中大约是十分之一，因此级别3将估计的招募成本提高约10%，级别5则提高约60%（图6）。
| participants screened out (% of those who calibrate) | |
|---|---|
| 0: No screening | 0 |
| 1: Failed only | 10.8 |
| 2: Light | 37.6 |
| 3: Balanced | 51.5 |
| 4: Strict | 71.2 |
| 5: Very strict | 86.1 |
几乎每位付费参与者都交付了完整的数据集。 在过去五批次（9月24日至28日）在Prolific上批准并支付的450名参与者中，有447名（99.3%）交付了完整的数据集（图7）。同样重要的是，参与者在被录取后不会离开：在通过探测的参与者中，有96%至97%完成了研究。在技术预检中被拒绝的参与者没有获得报酬，而被筛选出的参与者只获得了费用的一小部分，因此全额费用几乎完全用于可用的录音。
| participants | |
|---|---|
| passed the probe (admitted) | 468 |
| fully paid on Prolific | 450 |
| complete dataset (all 45 trials) | 447 |
6. 实时修正头部运动和光线变化
6.1 实时修正的作用
筛选决定谁进入研究。对于被录取的参与者，两个实时修正可减少会话过程中头部运动和光线变化所增加的误差。默认情况下，这两者在每个校准层上都是开启的，但可以在研究设置中关闭。
- 头部姿态修正。 当头部在校准期间移开位置时，凝视估计也随之移动。这种修正不断补偿这种移动。
- 凝视检查修正。 定期的凝视控制检查（高层每三分钟一次，最高层在每次试验前）用于消除校准后积累的漂移，包括光线变化产生的漂移。当面部光线明显变化时，光线变化探测器会触发额外的检查。
原始凝视仍然可以重构：默认情况下应用修正，但可以关闭，并且可以在Labvanced中记录应用于每个凝视样本的修正（作为凝视触发事件的参数），因此，喜欢未修正信号的研究人员可以准确恢复它。
6.2 结果：减少六分之一的误差，大部分尾部移除
修正消除了六分之一的误差和大部分尾部。 在均衡筛选的高层（级别3，143名参与者），中位数从6.37%原始降低到5.72%（应用头部姿态修正）和5.28%（同时应用两者），而参与者中低于10%的比例从15%降至3%（图8）。在没有任何筛选的情况下，改进情况相同，均为六分之一：295名参与者的误差从7.42%降至6.21%。大约每四名参与者中就有三名有所改善（图9）。
| High tier (n = 295) | Highest tier (n = 99) | |
|---|---|---|
| -3 to -2 | 0 | 0 |
| -2 to -1 | 4 | 5 |
| -1 to 0 | 17 | 16 |
| 0 to 1 | 28 | 33 |
| 1 to 2 | 18 | 24 |
| 2 to 3 | 13 | 8 |
| 3 to 4 | 5 | 3 |
| 4 to 5 | 6 | 5 |
| 5 to 6 | 1 | 2 |
它们对未曾开展的参与者保持有效。 修正设置一次后，在五个之后的批次中未做任何更改，三个离线批次和两个在研究中实时运行的批次（图10）。
| raw model output | with corrections | |
|---|---|---|
| 2.0.9 batch, Sep 15 (n=48) | 7.82 | 6.65 |
| Batch C, Sep 24 (n=49) | 7.13 | 6.08 |
| Batch D, Sep 24-25 (n=51) | 7.8 | 6.25 |
| High tier, level 3, Sep 26 (n=50) | 6.51 | 5.24 |
| Highest tier, Sep 27-28 (n=99) | 5.66 | 5.08 |
稳定的光线保持准确性高，而凝视控制检查捕捉到变化。 在最高层，99名参与者中有70名面部亮度保持在校准的5%以内，他们的中位原始误差为5.49%。对于13名面部光线变化超过10%的参与者，在面部变暗时（5名参与者）为10.94%，在变亮时（8名参与者）为7.78%（图11）。定期的凝视控制检查捕捉到这样的变化并对此进行修正。
| median error, raw | |
|---|---|
| light within 5 % of calibration (n = 70) | 5.49 |
| darker by more than 10 % (n = 5) | 10.94 |
| brighter by more than 10 % (n = 8) | 7.75 |
7. Prolific参与者的验证准确性为1.4至1.8°
7.1 准确性：高层为1.8°，最高层为1.4°
| 配置 | 筛选 | n | 原始模型输出 | 提供（带修正） | 14.2英寸和60厘米的视角 |
|---|---|---|---|---|---|
| 高层，无筛选 | 无 | 295 | 7.42 % | 6.21 % | 2.1° |
| 高层，均衡筛选 | 级别3 | 50 | 6.51 % | 5.24 % | 1.8° |
| 最高层 | 级别1和2 | 89 | 5.77 % | 5.20 % | 1.8° |
| 最高层 | 级别5 | 10 | 4.65 % | 4.06 % | 1.4° |
在进行两分钟的校准和均衡筛选后，参加者的中位误差为对角线的5.2%，约为1.8°，且十六名被录取的参与者中有十五名保持在10%以下。最高层在非常严格筛选下达到4%，约为1.4°。
| High tier (2 min calibration) | Highest tier (4 to 5 min calibration) | participants admitted per 100 entrants | |
|---|---|---|---|
| 0: No screening | 6.21 | 5.6 | 100 |
| 1: Failed only | 5.99 | 5.2 | 85 |
| 2: Light | 5.48 | 4.9 | 65 |
| 3: Balanced | 5.28 | 4.6 | 50 |
| 4: Strict | 4.88 | 4.3 | 30 |
| 5: Very strict | 4.17 | 3.8 | 15 |
误差在屏幕上几乎均匀分布，外部目标并不比中心目标差（图13）。下面的计算器将预期的准确性转换为任何屏幕和观看距离。
Medians over participants of each participant's median trial error, with both live corrections on. The Highest-tier ladder is a projection from 100 participants and will be refined as its screening reference is frozen.
7.2 精度：0.75°散布，0.6°样本间
精度在第一代中显著提高。为了确保可比较性，我们重新计算了2023年实验室研究中Eye Tracking 1.x的精度，在该研究中，每位参与者都同时使用网络摄像头和EyeLink 1000进行记录。对于每个网格试验，我们依据EyeLink选择稳定的一秒窗口，以便两个跟踪器在实际注视期间得到测量，并且采用与2.0相同的两个标准指标：样本围绕其均值的散布（标准差）以及样本间距离的均方根（RMS-S2S）。
| 精度（参与者中位数） | Eye Tracking 1.x，实验室（n = 19） | Eye Tracking 2.0，在线（n = 295） | EyeLink 1000，实验室（n = 19） |
|---|---|---|---|
| 一秒内的散布（标准差） | 2.4 % (0.87°) | 2.2 % (0.75°) | 0.3 % (0.10°) |
| 样本间（RMS-S2S） | 2.8 % (1.02°) | 1.75 % (0.60°) | 0.3 % (0.10°) |
以屏幕对角线的百分比表示，每项研究上的视觉角度（实验室中的15英寸显示器在60厘米处，在线上的14.2英寸笔记本在60厘米处）。两个摄像头系统的采样频率约为30Hz。
在线2.0信号的散布大约比实验室1.x信号少10%，其样本间噪声约低40%，从约1.0°降低到0.6°。值得注意的是，这一比较在两个方面对1.x有利：它是在实验室控制下记录的，并且其窗口被EyeLink选择为最稳定的一秒，这在在线上是无法实现的。因此，这一改进如果有的话被低估了。EyeLink当然仍然是精度最高的系统，但2.0缩小了很大一部分差距。
8. 无需校准的被动层
8.1 被动层的工作原理
通过Eye Tracking 2.0，可以在无需校准的情况下运行被动模型，这在某些实验场景中非常有用。只需参与者授予摄像头访问权限；眼动追踪预测便会立即开始。它适用于无法或不应进行校准的参与者，其中最首要的是婴儿：校准一直是婴儿眼动追踪中最棘手的部分，许多婴儿研究使用所谓的偏好注视范式，即询问孩子是否向左或向右看。能够在参与者自己的机器上实时准确进行分类，对于婴儿注意力研究来说可能是一个颠覆性的变化，同时也适用于其他领域，其中眼动追踪最好是静默在后台进行。您可以在第10节自行进行婴儿研究。
8.2 预期准确度：约 4°（估算）
被动层不在 Prolific 批次中，其实地验证尚待进行。婴儿实验室理应希望在真实婴儿身上进行该验证，这超出了 Prolific 提供的内容。如果您在婴儿实验室工作或代表婴儿实验室，并希望帮助验证被动层，请联系我们：我们非常期待合作。
话虽如此，根据我们广泛的内部测试，我们的工作估计屏幕对角线误差约为 11-12%，在 60 cm 的笔记本电脑上约为 4°。图 14 显示了这对典型实验设计的意义：在被动层的中位数误差下，注视屏幕左半部分中间的目标依然与右半部分保持良好距离。甚至有很大机会能以足够的信心区分 4 到 6 个屏幕区域。有关此方面的更多数据将随着时间提供。
图 14. 每个层的中位误差按比例绘制成在 16:9 屏幕左半部分目标周围的圆。虚线将屏幕分为左右。被动图形为估算；其他两个为测量值。
9. 讨论
我们经过同行评审的 2023 年比较显示，实验室中的网络摄像头可以跟踪视线到约 1.4°。本说明显示，使用我们的 WebCam Eye Tracking 2.0 引擎，参与者家中的网络摄像头、在他们自己的笔记本电脑上和在他们自己的光线下，经过两分钟的校准和平衡筛选后，其视线跟踪的中位值约为 1.8°，经过长时间的校准和非常严格的筛选后，约为 1.4°。实际上，上一代在实验室控制下达到的准确度现在在线上也达到了。有三个机制构成了大部分变化：改进的双眼视线引擎、一个更好捕获个体差异和漂移的校准，以及消除头部姿势和光照的系统误差的实时修正。
对于研究人员而言，结果是非常实际的。心理学、语言学、社会学、经济学、营销等领域的大多数研究，都可以运行高层级，预计达到约 1.8°，这很可能足以捕捉到预期效果。研究较小区域的任务，例如涉及许多词语和词语之间间隙较小的阅读任务（尝试阅读研究），可以使用最高层级，通过严格筛选获得约 1.5°，或通过非常严格筛选获得 1.4°。在另一个极端，研究婴儿和幼儿注意力的研究人员现在可以选择无需任何校准来进行跟踪，因此不再需要校准给数据收集带来的困难（第 8 节）。当然，这些极端之间还有若干步骤。Labvanced 界面的设置大大简化，其显示的每个选择的预期准确度基于真实测量。简而言之，您的下一个眼动追踪项目可以从今天开始。
哪种设置适合哪个研究？
下面的表格是粗略指南，而不是严格的规则集。对于每项任务和研究，请查看兴趣区域的数量、大小，以及最重要的，区域之间的距离，并相应选择设置：两个相距较远的大区域比并排的多个小区域容忍更多的误差。如果您不确定哪个设置适合您的设计，请与我们联系，我们将与您一起查看。
| 您的研究设计 | 推荐层级 | 推荐筛选 | 指示和校准 | 预期准确度 | 额外招聘成本 |
|---|---|---|---|---|---|
| 婴儿注意力，左侧与右侧（优先注视） | 被动（婴儿） | 无 | 无 | 12 % (≈ 4°) | 无 |
| 婴儿在四到六个屏幕区域的注视时间，幼儿能容忍 40 秒的动物校准 | 中等（婴儿） | 无 | 少于 1 分钟 | 10 % (≈ 3.4°) | 无 |
| 在另一项任务的背景中记录的注意力和参与度：视频、广告、仪表板等，无法进行校准 | 被动 | 无 | 无 | 12 % (≈ 4°) | 无 |
| 需要最少设置时间的短任务，最多 6 个屏幕区域或最多 4 个较大 AOI | 中等 | 无 | 大约 30 秒 | 9 % (≈ 3°) | 无 |
| 需要短暂的设置时间的短任务，拥有 4 到 8 个较大的 AOI 并且之间距离良好 | 良好 | 仅失败的校准（一级） | 大约 3 分钟 | 6.9 % (≈ 2.4°) | 约 +2 % |
| 适用于大多数中等或较长任务的默认设置，标准大小 AOI（如屏幕上一个面孔，眼睛和嘴巴的 AOI 分开）。网格最多 12 个区域（3x4）。 | 高 | 轻（级别 2） | 大约 4 分钟 | 5.6 % (≈ 1.9°) | 约 +6 % |
| 带有较小 AOI 的研究，或网格大约 15 个区域（3 x 5） | 高 | 平衡（级别 3） | 大约 4 分钟 | 5.2 % (≈ 1.8°) | 约 +10 % |
| 最小的兴趣区域，或非常接近的区域，例如在单词级别进行阅读时使用短单词。可靠的网格最多 24 个区域（4x6）。 | 最高 | 严格（级别 4） | 大约 7 分钟 | 4.3 % (≈ 1.5°) | 约 +25 % |
预期的准确度是通过应用了修正措施的允许参与者的中位数，在高层级和最高行上测量，其他层级为估算；额外的招聘成本计算筛选出的参与者为完成参与者的十分之一。筛选不适用于被动和中等层级：每个人都被允许。
Labvanced 研究设置中的设置向导提出了同样的两个问题，即准确度层级和筛选级别，并在研究开始前显示您的选择的预期准确度。
常见问题
网络摄像头眼动追踪的准确度如何？
使用 Labvanced Eye Tracking 2.0，在线参与者的中位数在经过两分钟的均衡筛选校准后，准确度为 1.8°，在经过长时间的校准和非常严格的筛选后约为 1.4°。在实验室中，第一代在与 EyeLink 1000 的直接比较中达到了 1.4°（Kaduk 等，2024）。
网络摄像头眼动追踪对于阅读研究准确吗？
对于单词级别的阅读，我们建议使用最高层级并进行严格筛选，该方法提供约 1.5°。较大的兴趣区域，如面孔、场景或页面上的区域，在高层级下的准确度为 1.8 到 1.9°。上表列出了哪种设置适合哪种研究设计。
校准需要多长时间？
在高层级上，指示和校准大约需要 4 分钟，而在最高层级上大约需要 7 分钟。较短层级的持续时间为 30 秒到 3 分钟，而被动层级根本不需要校准。
网络摄像头眼动追踪适用于婴儿吗？
被动层级在摄像头打开后立即开始跟踪，无需任何校准。其估算误差约为 4°，这足以在优先注视研究中区分向左和向右的注视。针对婴儿的实地验证尚待进行。
网络摄像头眼动追踪与实验室眼动追踪器相比如何？
实验室追踪器如 EyeLink 1000 精确度更高，散布约为 0.1°，而网络摄像头为 0.75°。网络摄像头眼动追踪在参与者自己电脑上的精确度约为 1.4 到 1.8°，这对于大多数基于兴趣区域的设计来说绰绰有余。
我可以将现有研究切换到 2.0 吗？
可以，随时都可以：在研究设置中选择 Eye Tracking 2.0。现有研究保持在 1.x，直到您进行切换，而新研究在 2.0 上开始。
这包含在我的许可证中吗？
Eye Tracking 2.0 是所有高级和终极许可证的一部分，就像以前的 Eye Tracking 1.x 一样。
2.0 研究记录什么？
与以前相同的注视输出，x 和 y 位置，现在更准确且更精确，每个样本都有一个置信值。默认情况下，使用新合并检测器检测注视。如果您想要未经修正的信号，对每个样本应用的修正可以作为注视触发器的参数记录。被筛选出去或技术上拒绝的参与者在研究的组统计中列出其状态。
我的数据会有什么变化吗？
结构保持不变。置信值现在处于不同的尺度上：它是从与1.x完全不同的量计算得出的，因此其数值通常较低。这仅仅是尺度的变化，而不是数据质量的变化，但这意味着1.x研究中的置信阈值不能延续到2.0版本。置信值也是参与者特定的：应将其用于比较一个参与者的样本或试验，而不是跨参与者比较。一个参与者的0.3置信值并不意味着另一个参与者的0.3置信值是相同的。我们的数据清楚地显示了这一点：参与者的典型置信值范围从0.09到0.73，但这并未说明他们的准确性。那些典型置信值约为0.3的参与者，其错误率从3.7 %到20.8 %不等。相比之下，在同一参与者内，置信值较低的试验往往准确性较差。
接下来会发生什么？
Labvanced Webcam Eye Tracking 2.0是一个历时数月的项目，涉及我们眼动追踪代码的几乎每个部分。这肯定不是我们最后一次的改进。以下是我们当前正在研究的五个主题。
1. 眨眼检测
眨眼会短暂干扰凝视估计。我们将可靠地检测眨眼，确保在眨眼时保持凝视稳定，以使眨眼不再看起来像眼部运动。干净的眨眼信号本身也是很有趣的：眨眼率和时机是疲劳、觉醒和认知负荷的公认测量指标，可能会成为每个眼动追踪研究的新输出。
2. 屏幕上的一致准确性
准确性在屏幕上几乎是均匀的（图13）。我们正在努力消除屏幕区域之间剩余的小系统性差异，而不增加任何校准点。
3. 自适应校准
今天，研究人员提前选择校准的长度，所有参与者都得到相同的校准。我们正在研究一个针对参与者适应的校准：简单案例短校准，只有在有必要时才进行较长校准。
4. 注视检测
我们的下一个实验记录，注视检测分析，比较了在网络摄像头数据上的注视检测算法，该数据与EyeLink 1000同时录制，并在我们的在线参与者完成的快速注视任务中进行。它显示了Eye Tracking 2.0的新默认检测器将报告的稳定凝视分享量翻倍。
5. 会话质量在您的数据中
每个会话在运行时已经测量了很多关于其自身质量的信息。我们将添加每个会话一个紧凑的质量产出，带有总体质量分数，以便研究人员在数据收集后可以对会话或参与者进行排序、加权或排除。
10. 亲自试试
评估网络摄像头眼动追踪的最佳方法是亲身体验。以下研究在您的浏览器中运行Eye Tracking 2.0，使用您自己的网络摄像头：允许相机访问，遵循校准，亲自查看。与Eye Tracking 2.0中的所有内容一样，处理在您的设备上进行，任何图像或视频都不会离开它。准确性任务是该记录结果背后的研究；其他研究是典型研究设计的演示，并不是验证的一部分。
11. 数据与可重复性
该记录中的每个结果都可以独立检查。我们发布了494个完成会话的匿名化数据，这些结果基于此数据，以及计算每个数字和每个图形的脚本。
该数据包具有永久标识符：https://doi.org/10.17605/OSF.IO/VTA7B。
它包含什么。 每个参与者一行（层次、筛选、校准结果和时机），每个45目标准确性任务的试验一行，包含其错误、原始数据和修正数据，以及在每个目标变化前的最后一秒，准确性指标所使用的窗口：带有模型置信度的凝视样本、注视，以及在最高层次中，面部亮度。它还包含每个凝视控制运行的时机和不按参与者共享的值的汇总表（开始前的技术拒绝、探针后的保留，及2023年实验室精度值）。README文档记录了每一列。
如何重现。 脚本仅需Python 3及其标准库。运行 scripts/accuracy.py 然后 scripts/article_numbers.py：它们共同按该记录中的描述应用该指标，并写入文本中引用的每个图形和每个数字的数据。唯一未从数据计算出的值是汇总表、图12中最高层次的预期准确性（在产品中设置）和被动层次的预期准确性。
隐私。 数据不包含任何类型的标识符：没有Prolific或Labvanced ID、没有名字、没有人口统计信息、没有设备或浏览器信息以及没有绝对的日期或时间。每个参与者都有一个与任何其他记录无关的随机ID，并且不存在密钥。没有摄像头图像或视频被记录。所有参与者同意匿名使用他们的数据。
许可证。 版权所有 © 2026 Scicovery GmbH（Labvanced）。数据和脚本根据CC BY-NC 4.0许可：您可以使用、重新分析和分享它们，并将您的结果用于非商业目的，需注明Labvanced及该记录的引用。商业使用需要我们的书面许可。
如何引用。 APA样式，准备好复制：
Labvanced (2026). Labvanced Eye Tracking 2.0：为所有在线研究提供准确的网络摄像头眼动追踪。 Labvanced Lab Notes. https://www.labvanced.com/content/research/zh/lab-notes/2026-10-webcam-eyetracking-2-0/
在您的方法部分中描述它。 您可以根据需要调整此段落（用您的设置替换括号中的值）：使用Labvanced Eye Tracking 2.0（Labvanced，2026）在线使用参与者的网络摄像头记录凝视，使用[高]校准层次和[平衡]参与者筛选。应用了实时头部姿态和凝视控制的修正。在验证此配置时，中位准确性为[5.2 %]屏幕对角线的约[1.8°]视觉角，在60厘米处。
参考文献
- Alp, N., Lale, G., Saglam, C., & Sayim, B. (2024). 在动态面部感知中处理部分信息的影响。 Scientific Reports, 14, 9794. https://doi.org/10.1038/s41598-024-58605-7
- Bertrand, J. K. (2023). 网络摄像头眼动追踪的有效性：在决策及数字人机交互中的经验教训与实际应用 [阿尔伯塔大学博士论文]。 https://doi.org/10.7939/r3-83ge-t169
- Bertrand, J. K., & Chapman, C. S. (2023). 在在线数字物体交互任务中，眼手协调的动态灵活保持。 2023年CHI人机交互会议论文集。 ACM. https://doi.org/10.1145/3544548.3580866
- Bertrand, J. K., Ouellette Zuk, A. A., & Chapman, C. S. (2023). 以远程方式捕捉决策困难的连续测量：II。网络摄像头眼动追踪揭示早期决策处理。 bioRxiv。 https://doi.org/10.1101/2023.06.06.543799
- Bánki, A., de Eccher, M., Falschlehner, L., Hoehl, S., & Markova, G. (2022). 在线和实验室基础的眼动追踪比较：对婴儿视听同步感知的评估。 Frontiers in Psychology, 12, 733933. https://doi.org/10.3389/fpsyg.2021.733933
- Calignano, G., Lorenzoni, A., Semeraro, G., & Navarrete, E. (2024). 文字在图像前：语言在偏见视觉注意力中的作用。 Frontiers in Psychology, 15, 1439397. https://doi.org/10.3389/fpsyg.2024.1439397
- Golan, M., Abo Shkara, M., & Havron, N. (2023). 儿童通过形态引导推断新动词的意义。 PsyArXiv。 https://doi.org/10.31234/osf.io/xk8eu
- Grosse Wiesmann, C., Rothmaler, K., Hasan, E., Habdank, K., Yang, C., Yeung, E., & Southgate, V. (2025). 自我引用记忆偏差在婴儿期被他人引用偏差所提前。 Nature Communications, 16, 6311. https://doi.org/10.1038/s41467-025-61642-z
- Haverly, C. (2022). 电子游戏对变化检测的影响：一项眼动追踪研究。 Horizons, 7, 68–73. 夏威夷大学马诺阿分校。 ScholarSpace
- Jenke, L., & Sullivan, N. (2025). 注意力与政治选择：为政治科学中的眼动追踪打下基础。 Political Analysis, 33(4), 298–314. https://doi.org/10.1017/pan.2025.8
- Kaduk, T., Goeke, C., Finger, H., & König, P. (2024). 接近实验室标准的网络摄像头眼动追踪：比较新的基于网络摄像头的系统与EyeLink 1000。 Behavior Research Methods, 56(5), 5002–5022。
- Kim, J. Y., Rowell, B., Whitaker, M., Chen, Q., Al Kontar, R., Lester, C., & Yang, X. J. (2026). AI辅助时机对药剂师自动药片识别技术信任度的影响。 JMIR Human Factors, 13, e92822. https://doi.org/10.2196/92822
- Niehorster, D. C., Nyström, M., Hessels, R. S., Andersson, R., Benjamins, J. S., Hansen, D. W., & Hooge, I. T. C. (2025). 眼动追踪基础知识第四部分：开展眼动追踪研究的工具。 Behavior Research Methods, 57, 46. https://doi.org/10.3758/s13428-024-02529-7
- Patterson, A. S., Nicklin, C., & Vitta, J. P. (2025). 针对基于网络摄像头的眼动追踪的方法学建议：一项范围综述。 Research Methods in Applied Linguistics, 4(3), 100244. https://doi.org/10.1016/j.rmal.2025.100244
- Sander, I., Mazumder, R., Fingerhut, J., Parada, F. J., Koselevs, A., & Gramann, K. (2024). 超越建成密度：从粗略到细致的城市环境中情感体验的分析。 Journal of Environmental Psychology, 96, 102337. https://doi.org/10.1016/j.jenvp.2024.102337
- Sauter, M., Hirzle, T., Wagner, T., Hummel, S., Rukzio, E., & Huckauf, A. (2022). 眼动同步性能否预测不可靠采样数据下的测试表现？ETRA '22：眼动追踪研究与应用研讨会。 ACM. https://doi.org/10.1145/3517031.3529239
- Saxena, S., Fink, L. K., & Lange, E. B. (2023). 适用于在线实验的深度学习模型用于网络摄像头眼动追踪。 Behavior Research Methods. https://doi.org/10.3758/s13428-023-02190-6
- Serrano-Carot, M., Angele, B., Xu, H., & Vasilev, M. R. (2025). 网络摄像头可用于研究阅读过程中的眼动。 PsyArXiv。 https://doi.org/10.31234/osf.io/bzt2h_v1
- Stone, S. A., & Chapman, C. S. (2023). 无意识的挫败感：使用眼动和鼠标追踪动态评估用户体验。ACM人机交互会议, 7(ETRA), 168. https://doi.org/10.1145/3591137
- Tsai, C. C., Kim, J. Y., Chen, Q., Rowell, B., Yang, X. J., Kontar, R., Whitaker, M., & Lester, C. (2025). 人工智能的有用性和不确定性对药剂师的认知互动影响：随机对照试验。 Journal of Medical Internet Research, 27, e59946. https://doi.org/10.2196/59946
- Tsuji, S., Amso, D., Cusack, R., Kirkham, N., & Oakes, L. M. (2022). 社会科学研究的新方法：远程经验研究。 Frontiers in Psychology, 13, 938995. https://doi.org/10.3389/fpsyg.2022.938995
- Tsutsuse, K. S. (2025). 在线广告对科学解释的信息处理和评估的影响 [夏威夷大学马诺阿分校硕士论文]。 ScholarSpace
- Wies, S., Bleier, A., & Edeling, A. (2023). 寻找完美网红：如何通过粉丝数量驱动社交媒体参与。 Journal of Marketing, 87(3), 383–405. https://doi.org/10.1177/00222429221125131
- Zhang, P., & Zhang, S. (2025). 二语多模态中的注意力与学习：基于网络摄像头的眼动追踪研究。 Language Learning & Technology, 29(1), 1–27. https://doi.org/10.64152/10125/73626
- Zhang, X., & Powdthavee, N. (2026). 注意力作为道德判断的瓶颈：比较背景如何扭曲辨别识别。 PsyArXiv。 https://doi.org/10.31234/osf.io/pnurb_v1
- Zhao, Y., Li, Y., Zhang, K., Li, Z., Hu, Y., Tan, L., Jia, H., Wang, S., Gao, Z., Song, Y., Li, X., Zhao, C., & Cao, A. (2025). 脑外光刺激改善多动症儿童的选择性注意力。 medRxiv。 https://doi.org/10.1101/2025.09.18.25335086
- Labvanced Eye Tracking文档：研究设置，数据输出。