在裸眼3D立体视频观看中，由于存在辐辏调节的矛盾，观看者会产生诸如眩晕、呕吐等视疲劳症状，尤其在医疗、A/VR等场景下，3D视频观看通常为任务驱动，眼动行为由于受到主观控制，单一的眼动特征很难准确评估视觉疲劳，更无法得到视疲劳等级，导致视疲劳无法及时被发现，从而造成不可预估的损失。针对以上问题，本文提出了一种基于多种眼动行为的3D视疲劳等级评估模型，旨在观看3D内容时，通过对注视、扫视、眨眼等眼动行为进行建模分析，得到实时视疲劳等级。本文采用主客观相结合的方法进行实验：受试者观看3D内容，实验人员记录受试者主观打分并利用眼动仪提取受试者客观眼动行为；通过进行相关性分析，探究任务驱动下能够表征3D视疲劳的各种客观眼动行为；利用神经网络建立基于16种眼动行为的视疲劳四等级评估模型。模型对3D视疲劳等级的预测准确率达到82%，证明了模型的有效性。

在裸眼3D显示中，传统的多视点采集方式为均匀采集。研究表明，因柱透镜光栅存在畸变，所以显示器构建的视点分布并不均匀，进而导致显示器视点和采集视点不匹配，产生了视点图像错位、透视关系错误等问题，影响最终的观看体验。针对上述问题，本文提出了一种多视点图像分布校正方案，该方案由一种视点筛选算法和中间视点生成网络构成：结合空间视点真实分布规律，针对均匀采集的多视点图像进行视点筛选，以指导中间视点预测网络生成对应位置的虚拟视点，使之匹配显示器构建视点位置。实验证明该方案为显示器视点填充了正确的视差图，有效地解决了显示器空间视点和采集视点的位置不匹配问题，提升了光栅立体显示器的观看质量。