本文提出了一种使用人类眼睛的反射信息进行场景重建的方法，通过联合优化角膜姿态、辐射度场和观察者眼睛的虹膜纹理，以及使用简单正则化先验提高重建质量，实现了通过眼睛反射恢复 3D 场景的可行性。

Jun, 2023

提出了一种利用视频数据集和图像相结合的方法，通过学习用户注视与眼部外形之间的联系来提高眼动追踪的精度，实现基于网络摄像头的高准确度屏幕眼动追踪，不需要标记的数据并且通过视觉刺激和眼部图像信息融合可以达到监督式个性化的效果。

Jul, 2020

该研究利用计算机图形技术合成眼睛数据，以替代传统方法的耗时数据收集和手动标注，实现更好的性能表现。

May, 2015

该研究综合了 2012 年至 2022 年之间的文献，重点概述了虚拟现实中的眼动追踪技术及其在认证、隐私保护等方面的应用与挑战。针对用户隐私泄露问题，提出了三个研究方向。

May, 2023

视频眼动仪记录虹膜生物特征，用于用户身份认证。然而，生物特征认证容易受到物理或数字篡改攻击造成的虚假身份冒用。目前的标准通过活体检测来识别眼动仪上的物理欺骗攻击。然而，这种防御无法检测到当真实眼部图像输入被数字篡改以交换另一个人的虹膜模式时的假冒攻击。我们提出了一种名为 IrisSwap 的新型针对基于眼动的活体检测系统的攻击方法。IrisSwap 允许攻击者分割并数字化地交换受害者的虹膜模式以欺骗虹膜认证。离线和在线攻击数据以高达 58% 的成功率欺骗目前先进的防御模型，这促使我们研发更先进的眼动仪身份认证方法的需求。

Apr, 2024

该论文介绍了如何从单目视频中获取任意人物的准确三维身体模型和纹理，该方法仅需使用智能手机或网络摄像头，使每个人都能创建自己的全可动数字双胞胎，如社交 VR 应用或在线时尚购物的虚拟试穿。

Mar, 2018

本文提出了一种身份隐藏技术，通过在 StyleGAN2 的 latent space 中进行操作生成一个具有新视觉内容的虚拟人脸，然后将其与原始人脸进行可靠的叠加，以达到保护隐私和保留识别性能的目的。

Jul, 2023

通过提出一种端到端网络架构，在保护身份隐私的同时完成下游任务（如人物重新识别），我们旨在对事件流进行匿名化处理，以防止从事件相机重构图像的攻击，方法是学习对事件进行混淆，从而降低攻击者从隐私信息中恢复图像的能力。我们还通过丰富的实验验证了我们的方法，并报告了在从公开可用的 SoftBio 数据集和我们提出的 Event-ReId 数据集模拟的合成事件数据上的结果。

Aug, 2023

通过全面数据驱动的方法，本文提出了一种能够对虹膜图像进行合成的方法，能够表示不同瞳孔尺寸、非现有身份的虹膜图像，并在改变瞳孔尺寸时能够保持身份，相比于现有的线性和非线性虹膜变形模型，该方法在相似性和身份保持方面表现更好。

Dec, 2023

通过比较不同机器学习方法在眼部特征追踪中的表现，本研究客观评估了这些方法对最终注视估计质量的影响。

Mar, 2024