WebGazer性能优化：解决眼动追踪延迟问题

问题背景

WebGazer作为一款基于浏览器的眼动追踪库，在React集成使用过程中出现了明显的性能下降问题。开发者最初报告称系统运行速度逐渐变慢，特别是在长时间使用后更为明显。经过一系列排查，发现这与数据窗口大小设置不当导致的内存管理问题有关。

问题分析

多位开发者在不同环境中重现了这一问题：

1. 初始阶段运行流畅，但随着点击次数增加，预测延迟逐渐增大
2. 每增加约100次点击，延迟增加10-20ms
3. 调用clearData方法可暂时恢复性能，但会丢失校准数据
4. 即使关闭跨会话数据存储(saveDataAcrossSessions=false)，问题依然存在

根本原因

深入代码分析后发现，问题源于util_regression.mjs和ridgeWorker.mjs文件中DataWindow变量的设置。该变量控制着用于回归分析的数据窗口大小，默认值被设置为700，这导致：

1. 随着点击数据不断累积，内存占用持续增长
2. 回归分析计算量随数据量增加而线性上升
3. 浏览器需要处理过大的数据数组，造成性能瓶颈

解决方案

经过测试验证，将DataWindow值调整为50可有效解决性能问题：

1. 完全消除了性能下降现象
2. 预测延迟稳定在30-50ms区间
3. 校准精度未受影响，甚至有所提升
4. 内存使用更加高效

技术原理

WebGazer使用岭回归(Ridge Regression)算法进行眼动位置预测。数据窗口大小直接影响：

1. 训练数据集规模
2. 矩阵运算复杂度
3. 内存占用情况

过大的窗口会导致：

• 不必要的计算开销
• 内存压力增加
• 实时性下降

而合理的窗口大小(如50)能够：

• 保持足够的训练样本
• 控制计算复杂度
• 维持稳定的性能表现

最佳实践

对于WebGazer开发者，建议：

1. 根据实际需求调整DataWindow参数
2. 监控预测延迟变化
3. 定期测试不同窗口大小下的精度表现
4. 在React等框架中特别注意内存管理

这一优化已合并到项目主分支，用户更新后即可获得更稳定、高效的眼动追踪体验。