视线估计模型分析

我们探索使用机器学习进行视线估计的技术。视线估计是各种行为分析和人机界面的常见问题。本工作的目的是讨论用于视线估计的各种模型类型，并展示在非受限环境下利用眼部标志点预测视线方向的结果。在非受限的真实世界环境中，由于光照变化和其他视觉伪影等因素，基于特征的方法和基于模型的方法被近期基于外观的方法所超越。我们讨论了一种仅在合成数据上训练的基于学习的眼部区域标志点定位方法。我们讨论了如何将检测到的标志点作为输入用于迭代模型拟合和轻量级基于学习的视线估计方法，以及如何将该模型用于与人物无关和个性化的视线估计。