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

使用人工神经网络建立了一个模块化系统，通过对分别裁剪的眼睛进行估计，利用人脸检测和头部姿势估计组件，无需特殊硬件或红外滤光片，仅使用内置 RGB 相机进行人眼注视估计，通过包含大量合成数据集在训练模型中，达到了比相关方法更高的准确度。

Nov, 2023

该研究提出了一种名为 'CP-EB' 的交谈面部生成方法，该方法以音频信号作为输入、以人物图像作为参考，通过控制一个短视频剪辑和适当的嵌入式眨眼操作，合成出一个由头部姿势控制的逼真人物对话视频。实验结果表明，该方法可以产生出具有同步嘴唇动作、自然头部姿势和眨眼效果的照片般逼真的交谈面部。

Nov, 2023

通过对日常活动中人眼和全身动作的协调的全面分析，本研究首次提出了一种新颖的眼睛和身体协调模型 Pose2Gaze，并与其他方法进行了比较，在三项不同生成任务上表现出显著优势，从而突显了跨模态人眼行为分析和建模的巨大潜力。

Dec, 2023

本文提出了一种新颖的生成模型，能够在控制眼睛注视和头部方向角度方面达到细粒度控制，并通过在自学习中学习发现、解缠和编码这些外部变化来分离众多与外貌相关的因素，进而优化了准确性和数据下游任务，从而提高了端到端交叉数据集准确性的能力。

Oct, 2020

本研究提出了一种使用生成对抗网络训练的方法，用于在保持外观一致、生成逼真图像的同时实现目标凝视方向的眼部图像重定向，并通过感知相似性和一致性来优化生成图像的准确性。经广泛评估，该方法在图像质量和重定向精度等方面优于现有先进技术，并且可以通过与现实数据相结合，在凝视估计任务中取得显著的性能提升。

Mar, 2019

探讨了利用机器学习技术进行眼部凝视估计的技术，论文中提出了在不受限制的场景下，通过使用眼部地标来预测凝视方向的方法，并讨论了采用合成数据进行眼部地标本地化训练的学习方法，并提出了使用该模型进行个性化凝视估计的方法。

Jul, 2022

本文提出了一种新颖的可控凝视的人脸生成任务，方法使用文本描述输入来生成具有相应凝视特征的人脸图像，并通过面部草图和 3D 人脸模型实现了凝视的文本到人脸的转换。实验证明了方法的有效性，同时作者将提供数据集和代码以供今后研究使用。

Apr, 2024

该研究利用计算机图形技术合成眼睛数据，以替代传统方法的耗时数据收集和手动标注，实现更好的性能表现。

May, 2015

该研究综合了语义分割和多尺度信息注入的方法，成功地在保留关键细节的情况下合成了符合给定病人眼睛语义分割掩码的眼睛图像。

Nov, 2019