Краткое содержание

arXiv:2511.04779v1 Тип объявления: новый Аннотация: Камеры событий становятся популярным решением для эффективного низкопотребляющего отслеживания глаз. Благодаря разреженному асинхронному характеру событийных данных такие камеры требуют меньше вычислительных ресурсов и обеспечивают задержки в диапазоне микросекунд. Однако многие существующие решения ограничены проверкой работоспособности исключительно на мощных графических процессорах (GPU), без развертывания на реальных встраиваемых устройствах. В данной статье мы представляем сеть EETnet — сверточную нейронную сеть, предназначенную для отслеживания взгляда исключительно на основе событийных данных и способную функционировать на микроконтроллерах с ограниченными ресурсами. Дополнительно мы предлагаем методику тренировки, оценки и квантования сети с использованием общедоступного набора данных. Наконец, нами предложены две версии архитектуры: классификационная модель, определяющая положение зрачка на наложенной сетке поверх исходного изображения, и регрессионная модель, работающая на уровне пикселей.