EllSeg-Gen：面向头戴式眼动追踪的域泛化
计算机视觉与模式识别
2022-05-05 v1 人机交互
机器人学
摘要
在自然情境下研究人类注视行为，需要能够在广泛成像条件下鲁棒的注视估计算法。然而，算法常在存在反射伪影和遮挡时无法识别虹膜和瞳孔中心等特征。先前工作表明，卷积网络尽管存在此类伪影，仍擅长提取注视特征。但这些网络常对训练时未见过的数据表现不佳。本工作基于如下直觉：用多个数据集联合训练卷积网络可学习到眼部部件的泛化表征。我们将用多数据集训练的单一模型与用单个数据集分别训练的模型池的性能进行比较。结果表明，在眼图外观变异性更高的数据集上测试的模型受益于多集训练；相反，特定数据集的模型在外观变异性较低的眼图上泛化更好。
引用
@article{arxiv.2205.01947,
title = {EllSeg-Gen, towards Domain Generalization for head-mounted eyetracking},
author = {Rakshit S. Kothari and Reynold J. Bailey and Christopher Kanan and Jeff B. Pelz and Gabriel J. Diaz},
journal= {arXiv preprint arXiv:2205.01947},
year = {2022}
}
备注
Code available at https://bitbucket.org/RSKothari/multiset_gaze/