下面我把"VR 头显眼动数据处理"相关论文里常见的研究分支 和经典/前沿算法路线按"从原始数据→可用指标→高层推断"的链条梳理一遍（你看文献时基本都能对上这些关键词）。
1) 这个领域的主要分支（论文通常落在这些点上）
A. 眼动数据预处理与质量控制（基础但非常关键）
目标：把 HMD 里噪声更大、丢帧/漂移更多的 gaze 信号变成"可分析"的时序。
常见问题：眨眼、追踪丢失、采样率不稳、头动耦合导致的抖动、校准漂移。
（很多方法会把"头位姿 + 双眼视线 + 置信度"一起作为清洗条件；VR 里这比桌面眼动更常见。）(PMC)
B. 眼动事件检测（Fixation / Saccade / Smooth pursuit / Blink）
这是眼动分析的"分词器"：后面所有特征（注视时长、扫视幅度、追随等）都依赖它。
经典与评测综述非常多：事件检测算法对静态刺激/动态刺激表现差异大，动态场景（VR 很常见）更难。(SpringerLink)
C. 3D 场景中的"注视落点/注视对象"映射（Gaze-to-Object / 3D AOI）
桌面眼动是 2D AOI；VR 最大挑战是把视线映射到3D 对象/网格/语义实体 （还要处理遮挡、动态物体、头动）。
常见关键词：gaze ray casting、3D AOI、GTOM（gaze-to-object mapping）、概率式对象注意分配。(科学直接)
D. 指标构建与可视分析（3D 热力图、扫视路径、网络/转移图）
把"注视事件 + 对象/AOI"变成教师/研究者能读懂的可视化与统计量：
3D heatmap、scanpath、AOI 转移矩阵、gaze graph、时间窗 attention 指标等。3D 环境下的可视化与分析工具本身就是一个成熟方向。(PMC)
E. 高层推断与应用（用眼动预测学习/认知/行为）
典型任务包括：注意力与策略、认知负荷、学习行为证据、协作互动（看谁/看哪）、疲劳与睡意、意图预测、训练评估等。
VR 眼动的应用领域跨度很大：教育、医学与神经科学、营销、交互与游戏等。(SpringerLink)
F. 数据集与基准（HMD/VR 专用）
VR 眼动的公开数据集近几年增长明显（高频双眼、纵向、多任务、配套头动等），方便做可复现比较与深度学习。(Nature)
2) 经典算法谱系（最常见、最"标准化"的做法）
2.1 事件检测：阈值法仍是主流"起点"
I-DT（dispersion-threshold） 、I-VT（velocity-threshold） 是最经典两类：
- I-DT：用"空间离散度 + 最小时长"找 fixations
- I-VT：用"速度阈值"区分 saccades/非 saccades
这两类算法在大量论文里仍被当作 baseline 或预处理步骤。(德雷塞尔大学计算机科学系)
2.2 组合与改进：I-VDT / 自适应阈值 / 动态场景增强
VR 里常见"速度+离散度"混合、加入 vergence（双眼会聚）等，或做阈值自适应来增强鲁棒性。比如近年的工作会把"阈值如何设定"本身当作可学习/可优化的问题。(ACM Digital Library)
2.3 评测与"没有银弹"的现实
算法在不同刺激条件下差异显著；动态刺激下很多方法会明显退化，因此越来越多论文会强调：
- 用更好的 ground truth/人工标注来评测
- 报告参数敏感性
- 或直接用学习方法替代手工阈值
这在经典评测文章与系统综述里被反复指出。(SpringerLink)
2.4 3D 注视对象映射：Ray-casting +（概率/滤波/融合）
在 VR 场景里，"你看的是哪个对象"通常做法是：
- gaze ray casting ：用头显坐标系的 gaze ray 与场景碰撞检测得到命中对象/命中点（工程上最常见）(科学直接)
- 概率式 GTOM / Bayesian 推断 ：在多对象、遮挡、噪声下输出"看各对象的概率分布"，而不是单一命中结果(ResearchGate)
3) 前沿算法趋势（近几年更"论文味"的方向）
A. 用深度学习做事件检测与行为识别（从规则到端到端）
趋势是把 gaze 时序当作序列建模，直接输出事件标签或更高层状态：
- CNN+RNN/LSTM（捕捉局部变化 + 时序依赖）
- Transformer/混合 CNN-Transformer（更强的长程依赖与并行建模）
你会看到很多"eye movement classification"类工作开始用 Transformer 或混合架构。(semanticscholar.org)
B. 多模态融合：眼动 + 头动 + 场景语义/交互日志
VR 的优势是天然有头部 6DoF、控制器操作、对象语义、任务状态：
- 眼-头协同模式（head-eye coordination）用于区分"转头看/只转眼看"、搜索策略等
- 融合后更容易做学习/意图/协作行为推断
公开的"头动+眼动"配对数据集也在支撑这类研究。(PMC)
C. 3D/动态场景的"可解释注意建模"
不是只算热力图，而是把注视对象序列变成：
- AOI 转移网络、gaze graph、注意分配曲线
- 面向学习/社交行为的可解释指标体系（论文往往会给"如何从 gaze ray 得到对象级指标"的步骤化流程）(科学直接)
D. 数据集驱动：大规模、纵向、个体差异与泛化
像 GazeBaseVR 这种大规模纵向双眼数据集推动了：
- 个体差异建模（人和人眼动差很多）
- 设备/场景迁移（domain shift）
- 更标准的 benchmark 与可复现比较 (Nature)
4) 你读论文时可以用的一套"定位坐标系"
看到一篇 VR 眼动处理论文，你可以快速判断它在哪一层创新：
- 数据层：采样率、双眼/单眼、置信度、校准漂移怎么处理
- 事件层：fix/saccade/pursuit 检测（阈值 or 学习）
- 映射层：2D→3D（ray-cast / GTOM / 概率融合）
- 特征层：对象级指标、时序窗口指标、scanpath/graph 指标
- 任务层：学习/认知/意图/协作/疲劳等推断与验证
如果你告诉我：你的数据长什么样（采样率、是否双眼、有没有 gaze ray hit 点/对象ID、是否有头位姿、任务类型是学习还是交互/搜索），我可以按你的场景给一份更具体的"推荐算法组合 + 该看哪些关键词/代表论文路线（baseline 到 SOTA）"。