关于此项技术的一篇论文在6月28日的计算机视觉和模式识别大会上发布，论文的作者之一Aditya Khosla表示，相比于之前同行的研究，他们的优势在于数据。

Khosla 介绍，他们已经通过GazeCapture搜集了超过1500个手机用户的注视模型，而在此之前，最大的数据样本是大概也只有50个用户。
为什么他们能搜集到如此多的数据？答案是“众包”模式。研究人员选择亚马逊的“土耳其机器人”（Amazon Mechanical Turk）众包平台，发布使用GazeCapture 任务，用户可以登录“土耳其机器人” 揽活。在下载这款App（目前只提供iOS版）之后，GazeCapture 会在屏幕上展示一个颤动的小点，并在小点里写上“L”或“R” （分别代表左右），以确保用户集中注意力。用户则通过点击屏幕左侧或右侧来作出响应，然后借助前置摄像头记录用户的目光。用户在完成每次任务之后，都可以获得一笔“小费”。
通过以上方法，GazeCapture 帮助研究人员搜集了丰富注视模型数据。此前，大多数的研究机构都是召集人们来实验室采集数据，有50个数据样本就非常不错了。

对于iTracker 软件，一款目前只能在苹果手机上运行的卷积神经网络系统App。iTracker 能识别出头部和眼球的位置与方向，确定用户的目光究竟看向屏幕的哪个位置。目前iTracker 误差范围缩小到了1.5厘米，比以往实验的精度提高了2倍。在论文提交之后，研究团队又加入了700个用户的数据，平均每个用户有1600张照片。在这一轮训练中，误差范围更是缩小至1厘米，研究人员预测如果用户达到1万人，那么精度会提高为0.5厘米。不过，这样的精度对于商业用途来说，已经十分足够了。

对于眼球识别技术的重大突破，康奈尔大学教授 Noah Snavely 评论称：
“在计算机视觉和人机交互领域，眼部追踪一直都是人们十分感兴趣的领域，但是它成本太贵了，让普通用户的手机就可以实现这一技术，非常令人惊叹。在我看来，他们达到的精度，似乎可以让这个领域的人群开始做些有趣的事了，这一项成果将会引发业内的一轮快速发展。”