FR-Net：一种用于视线估计的轻量级FFT残差网络
计算机视觉与模式识别
2023-05-23 v1
摘要
视线估计是计算机视觉中的一项关键任务，然而现有方法计算成本高，限制了其在资源受限环境中的实际部署。本文中，我们提出了一种新颖的轻量级模型FR-Net，用于准确的视线角度估计，同时显著降低计算复杂度。FR-Net利用快速傅里叶变换（FFT）在频域提取视线相关特征，同时减少参数数量。此外，我们引入了一个专注于空间域的捷径组件，以进一步提高模型精度。我们的实验结果表明，与最先进的视线估计方法相比，我们的方法实现了显著更低的视线误差角（MPII上为3.86，EYEDIAP上为4.51），同时使用的参数少17倍（0.67M），且仅需12%的FLOPs（0.22B）。此外，在视线估计任务的准确性和效率方面，我们的方法优于现有的轻量级方法。这些结果表明，我们提出的方法在人机交互和驾驶辅助系统等领域具有重要的潜在应用。
引用
@article{arxiv.2305.11875,
title = {FR-Net:A Light-weight FFT Residual Net For Gaze Estimation},
author = {Tao Xu and Bo Wu and Ruilong Fan and Yun Zhou and Di Huang},
journal= {arXiv preprint arXiv:2305.11875},
year = {2023}
}