Aug, 2024

CondSeg：通过条件分割进行瞳孔和虹膜的椭圆估计

HTML
PDF
TL;DR本研究解决了眼部组件解析（瞳孔、虹膜和巩膜）在AR/VR产品中眼动追踪与注视估计中的重要性。提出了一种新颖的方法CondSeg，通过分割标签直接估计瞳孔/虹膜的椭圆参数，且无需明确标注全椭圆，同时利用眼区掩码控制估计效果的可见性。实验结果表明，该方法在分割指标上具有竞争力，并为眼动追踪提供了准确的椭圆参数。
发现论文，激发创造
  • Pupil: 一种开放源代码的平台，用于普遍的眼动跟踪和基于移动设备的凝视交互

    本文介绍了Pupil，这是一个可访问，价格实惠且可扩展的开源平台，用于移动眼动跟踪和凝视交互。通过高分辨率摄像头、实时的瞳孔检测跟踪、准确的注视估计等技术，Pupil可以在短暂的0.045秒的处理时间内，提供平均0.6度的准确注视估计。

    Apr, 2014

  • PupilNet：用于稳健瞳孔检测的卷积神经网络

    本文对快速光照变化、瞳孔遮挡、非中心和偏轴眼睛记录以及生理学眼睛特征等复杂情况下的自动瞳孔检测进行了研究，提出了基于双卷积神经网络的方法，能够提高瞳孔检测的准确率。

    Jan, 2016

  • 低分辨率图像注视跟踪眼部定位的快速准确算法

    本研究提出了一种针对低分辨率可见光图像的虹膜中心定位问题的高效方法，使用几何特征和两阶段算法确定虹膜中心位置，并结合边界跟踪和椭圆拟合进行细化，该算法可在BioID和Gi4E等公共数据库上验证超越先进方法，即使使用低成本的消费级网络摄像头也可以实现注视跟踪。

    May, 2016

  • 学习在非受限环境下寻找眼部关键点以进行远程凝视估计

    本文提出了一种基于学习的方法来进行眼部标志点的定位，采用该方法能够在未受控制的真实环境下较之传统方法更具优势，在个性化视线估计场景中性能优越。

    May, 2018

  • 基于注意力机制的编解码卷积神经网络用于眼部分割

    该篇论文提出了一种基于卷积神经网络的注意力编码器-解码器网络模型，用于迅速高效地对眼睛各部分进行分割，包括巩膜、虹膜、瞳孔和背景，取得了较好的结果。

    Oct, 2019

  • 通过眼部区域分割和自监督多流学习进行凝视估计

    本文介绍了一种新颖的多流网络，学习了强健的眼部表示形式以进行凝视估计，并使用模拟器创建了合成数据集来进行眼部区域分割，并进行自监督对比学习来为真实世界的眼部图像预训练编码器，最终通过多流框架从真实世界中提取显著特征以进行凝视估计，在两种不同的评估设置下展示了方法的性能，在 EYEDIAP 数据集上超越了所有已有的基准，并进行了额外实验以验证自监督网络对于不同数量的标记数据的鲁棒性。

    Dec, 2021

  • 眼睛保留：身份保持虹膜合成

    通过全面数据驱动的方法，本文提出了一种能够对虹膜图像进行合成的方法，能够表示不同瞳孔尺寸、非现有身份的虹膜图像，并在改变瞳孔尺寸时能够保持身份，相比于现有的线性和非线性虹膜变形模型，该方法在相似性和身份保持方面表现更好。

    Dec, 2023

  • Iris-SAM：使用基础模型的虹膜分割

    通过在眼球图像上利用不同的损失函数进行细调，我们开发了一个基于像素级的虹膜分割模型，其基础模型为Segment Anything Model (SAM)，该模型在分割任意对象方面已取得成功。在细调过程中，Focal Loss 的重要性得到了证明，因为它能够有效地解决分类不平衡问题（即虹膜与非虹膜像素之间的区别）。对 ND-IRIS-0405、CASIA-Iris-Interval-v3 和 IIT-Delhi-Iris 数据集的实验表明，训练得到的模型在虹膜分割任务上具有很高的效能。例如，在 ND-IRIS-0405 数据集上，平均分割准确率达到了99.58%，相比于最佳基准性能89.75%有了很大的提升。

    Feb, 2024

  • 使用深度学习提高虚拟现实中眼动追踪的鲁棒性、准确性和精度

    通过比较不同机器学习方法在眼部特征追踪中的表现，本研究客观评估了这些方法对最终注视估计质量的影响。

    Mar, 2024

  • EyeDentify: 基于网络摄像头图像的瞳孔直径估计数据集

    通过对网络摄像头图像进行数据集抗用设计，本研究介绍了EyeDentify，该数据集专门用于瞳孔直径估计。EyeDentify解决了瞳孔直径估计领域缺乏可用数据集的问题，该领域在理解传统上由Tobii等高度专门化传感器系统所主导的生理和心理状态上至关重要。与这些高级传感器系统及其相关成本不同，网络摄像头图像在实践中更为常见。然而，使用标准网络摄像头数据进行瞳孔直径估计的深度学习模型却很少。通过提供裁剪后的眼部图像与相应的瞳孔直径信息的数据集，EyeDentify使得专门为不太设备齐全的环境设计和优化的模型的开发变得可能，使瞳孔直径估计更具可行性和广泛适用性，并进而有助于多个领域对人类活动的理解和支持医疗保健。我们的数据集可以在此https网址上获得。

    Jul, 2024