May, 2019

基于外观的凝视估计的偏移校准：凝视分解

PDF
TL;DR使用新型凝视分解方法和单凝视点校准方法，该文提出了一种改进估算凝视点的方法，采用深度卷积网络估算凝视角度的主体独立项，实验结果表明，在消除校准的情况下，所提方法比现有技术的表现好 100％，而通过仅仅使用少量图像校准，误差可以减少多达 35.6％，达到了最先进的标准。
gaze estimationsubject-independent modelsgaze decomposition methodcalibration-free trackingdeep convolutional network
发现论文，激发创造
  • 注视估计的微分方法

    本文介绍了一种基于差分方法的凝视估计技术，使用差分卷积神经网络直接预测同一受试者的两个眼睛输入图像之间的凝视差异，然后利用推断出的差异来预测新眼睛样本的凝视方向。实验结果表明，该方法即使只使用一个校准样本或在后续使用受试者特定的凝视适应方法时，也始终优于现有的方法。

    Apr, 2019

  • 半监督对比回归用于眼球注视估计

    通过使用半监督对比学习框架，本文提出了一种新的对比损失范式，从而实现了基于注视方向的估计，该框架在使用少量带有标签的注视数据集时，可以找到泛化解决方案，即使对于未见过的人脸图像也能有良好的性能表现，与其他用于注视估计的最先进对比学习技术相比，我们的对比回归框架表现良好。

    Aug, 2023

  • 非监督式注视点估计的表征学习

    该研究提出了一种不需要注释的低维注视表示学习方法，在少于 100 个标注样本的情况下，实现了有竞争力的 few-shot 注视估计结果，并且可以应用于不同的实验数据集和注视网络预训练等方向。

    Nov, 2019

  • SalGaze: 使用视觉显著性个性化注视点估计

    提出 SalGaze，一种利用视觉内容中的显著性信息，无需显式用户校准，可透明地适应用户注视估计算法的框架，能够使用与标准点校准数据不同的显式视频显著性校准数据的统一框架，优于现有方法，精度提高了 24%。

    Oct, 2019

  • 特定应用的半合成数据集增强用于凝视估计

    通过生成面部的纹理三维网格，并从特定位置和方向的虚拟相机渲染训练图像作为现有数据集的补充方式，可以在目标特定任务中取得更好的推广效果，平均减少了 47% 的注视角度误差。

    Oct, 2023

  • 通过新视角合成和特征分离来进行领域自适应全脸注视估计

    本研究提出了一个训练数据合成和注视估计模型的有效训练流程，用于无监督域自适应，包括使用单幅图像 3D 重建来扩展源域中头部姿势的范围，提出了一个自编码器网络来分离与注视相关的特征，并引入背景增强一致性损失来利用合成源域的特点，在多个目标域上进一步提高了性能。

    May, 2023

  • 一种适用于外观基准凝视估计的粗到细自适应网络

    本文提出了一种基于面部和眼睛图像的凝视估计方法，利用粗 - 细策略从面部图像中估计基本凝视方向，通过相应的眼部图像预测残差进行细化，引入 bi-gram 模型和注意力组件来适应性地获取细粒度特征，实现了 MPIIGaze 和 EyeDiap 数据集上的最优表现。

    Jan, 2020

  • 基于外貌的深度学习注视估计：综述和基准

    本文基于深度学习方法综述了当前外貌为基础的凝视估计技术。介绍了数据预处理和后处理方法，将所有公开数据集进行了特征化，并设置了评估准则。本研究提供了参考，可供深度学习或未来凝视估计研究使用。

    Apr, 2021

  • 深度图像注视估计

    介绍了一种专门设计用于单眼输入的注视估计任务的新型深度神经网络架构，通过回归中间图像表示来简化三维注视方向估计任务，定量和定性结果表明该方法比现有技术实现了更高的精度，且对视线、头部姿势和图像质量的变化具有鲁棒性。

    Jul, 2018

  • 通过嵌入预测一致性进行域自适应凝视估计

    本文提出一种无监督学习的方法，采用 embedding representation 及 prediction consistency 来消除 inter-personal diversity 对 gaze estimation 的影响，设计了 Domain Adaptation Gaze Estimation Network (DAGEN)，在 MPIIGaze 和 EYEDIAP 数据集上取得了最先进的结果。

    Nov, 2020