L2CS-Net:制約なし環境における細粒度推定【JST・京大機械翻訳】

Abdelrahman Ahmed A.; Hempel Thorsten; Khalifa Aly; Al-Hamadi Ayoub

プレプリント

J-GLOBAL ID：202202213821647507 整理番号：22P0299989

L2CS-Net:制約なし環境における細粒度推定【JST・京大機械翻訳】

L2CS-Net: Fine-Grained Gaze Estimation in Unconstrained Environments

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月07日プレプリントサーバーでの情報更新日： 2022年03月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

人間の注視は,人間-ロボット相互作用やバーチャルリアリティのような様々なアプリケーションで使用される重要な手がかりである。最近,畳み込みニューラルネットワーク(CNN)手法は,注視方向の予測において顕著な進歩を遂げた。しかし,眼の外観,雷条件,および頭部姿勢と凝視方向の多様性のために,視線内視線の推定は,まだ挑戦的な問題である。本論文では,無制約設定における凝視を予測するためのロバストなCNNベースモデルを提案した。各注視角を別々に回帰し,全体注視性能を強化する,ペル-アンゲル予測精度を改善した。さらに,ネットワーク学習を改善し,その一般化を増加させるために,各角度に対して2つの同一損失を用いた。制約のない設定で収集された2つの一般的なデータセットを用いて,著者らのモデルを評価した。提案モデルは,MPIIGzeとGaze360データセットで,それぞれ,3.92{deg}と10.41{deg}の最先端精度を達成した。このコードをhttps://github.com/Ahmednull/L2CS Netでオープンソースとした。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , 生体計測

, , ,

前のページに戻る