基于合成图像解决的视线估计问题
计算机视觉与模式识别
2020-06-15 v1
摘要
本文中，我们评估了一个用于视线估计领域、采用深度学习技术的合成框架。只要合成评估框架能够模拟真实场景的行为，标注数据不足的问题便可通过其加以克服。在这项工作中，我们使用U2Eyes合成环境，并基于替代性的训练与测试策略，以I2Head数据集作为真实基准进行比较。所得结果显示两个框架具有相近的平均表现，但合成图像展现出显著更强健且稳定的性能。此外，本文展示了合成预训练模型应用于用户特定校准策略的潜力，其表现优异。
引用
@article{arxiv.2006.06740,
title = {Gaze estimation problem tackled through synthetic images},
author = {Gonzalo Garde and Andoni Larumbe-Bergera and Benoît Bossavit and Rafael Cabeza and Sonia Porta and Arantxa Villanueva},
journal= {arXiv preprint arXiv:2006.06740},
year = {2020}
}
备注
https://dl.acm.org/doi/abs/10.1145/3379156.3391368