Google发布最新眼动关注技术，通过使用机器学习技术，仅使用智能手机的前镜头，就能够准确地捕捉用户的视线，低成本的眼动关注，将有助于发展视觉、无障碍和医疗保健等领域新应用。而Google也讨论了将该技术用于精神疲劳的应用，只要几分钟用户的注视资料，就能准确侦测精神疲劳。
Google提到，从1970年以来，眼动研究已经广泛用于视觉科学、语言和可用性领域，而除了基础研究之外，眼球运动也能用于用户体验研究、游戏和驾驶等广泛的应用上，但是因为过去的眼动研究，都必须使用专门的眼动仪，导致应用成本高且难以扩展。
Google新开发的注视模型，是使用MIT GazeCapture资料集训练的前馈卷积神经网络ConvNet，脸部侦测算法会标记出用户眼睛区域，并且将剪裁的影格送给ConvNet进行处理。为了评估模型，Google收集了研究参与者，观看空白屏幕上随机点的眼动资料，Google发现，使用非个性化的模型，会有较高的误差，但在使用约30秒的校准资料个性化后，误差可降低4倍。
额外的实验则显示，当手机放在支架上，或是由用户手持靠近脸部，手机眼动关注模型的准确度，可以媲美最新的眼动仪，但是比起专门的眼睛关注硬件，在智能手机上执行注视模型，并使用单个前置RGB镜头，成本约便宜100倍，更重要的是应用容易扩展。
使用智能手机进行眼动关注，就更容易复制并且验证过去神经科学和心理学，对于眼动的研究，包括标准动眼任务和自然图像理解。尽管智能手机的注视热图，比专门的眼动仪分布更广，也就是说看起来更模糊，但热图分布与像素等级和物体等级高度相关，Google提到，这样的结果表示，新技术可针对复杂画面进行缩放注视分析，像是用于自然与医疗图像。
Google发现，智能手机的注视还可以用于检测阅读理解困难，当参与研究者在阅读测验中，正确回答问题时，花费在阅读正确答案相关段落的时间较多，但是随着理解难度增加，参与研究者花了更多的时间在不相关的文章段落中，研究人员提到，花费在正确答案相关段落的注视时间，是理解程度的预测指标。
另外，Google也用新的眼动关注技术研究精神疲劳，注视侦测是检查警觉性和健康状况的重要工具，已经被医药、睡眠领域，以及像是医疗手术和飞行等重要任务环境广泛研究，不过疲劳研究通常主观且耗时，而研究人员利用了智能手机注视侦测，来研究用户的精神疲劳，并且可进一步用于关注疲劳的发生和发展。
研究人员使用机器学习模型，只要收集研究参与者几分钟的注视资料，就能够可靠地预测精神疲劳，在非疲劳的对象中，参与者的视线会依循圆形的轨迹（上图右），而疲劳者的视线则高几率出现误差与偏差（上图左）。这个研究结果显示，智能手机的注视侦测可用于侦测精神疲劳。
不只如此，智能手机注视还可以用来筛检和监控健康状况，像是自闭症谱系障碍（Autism Spectrum Disorders）、阅读障碍和脑震荡的情况，在无障碍的使用场景中，言语和运动能力受损患者，也可以通过手机注视侦测来进行交互。但研究人员也提到，注视研究是一项需要谨慎使用的技术，需要用户明确允许且知情同意，而且也应该让用户可以随时退出并且删除资料，他们也会继续研究隐私保护方式，并且提高跨人群注视技术的强健性。