基于概率评估与校准提高基于外观的凝视跟踪不确定性估计精度

准确了解基于外观的凝视跟踪中的不确定性对于确保下游应用的可靠性至关重要。由于缺乏个体不确定性标签，当前不确定性感知方法采用概率模型，遵循训练数据集中的分布来获取不确定性。缺乏约束条件，这种方法使得不确定性模型建立偏差并过拟合训练数据，导致部署时性能不佳。我们首先提出一种严格的 proper 评估指标，从概率角度出发，基于比较预测覆盖率与观测覆盖率，为更好地评估推断出的不确定性提供定量评估。随后，我们提出一种基于概率校准的纠正策略，以缓解训练模型所估计不确定性的偏差。最后，我们在两个具有不同图像特征的数据集上进行实验，以体现纠正策略的有效性，这些特征源自数据收集设置。