Gaze-Net：基于外观的胶囊网络视线估计
计算机视觉与模式识别
2020-04-17 v1 人机交互
摘要
近期基于外观的视线估计研究表明，神经网络能够从包含姿态信息的面部图像中解码视线信息。本文提出 Gaze-Net：一种能够从眼部区域图像中解码、表示并估计视线信息的胶囊网络。我们使用两个公开数据集 MPIIGaze（野外 20 万+ 图像）和 Columbia Gaze（5000+ 用户图像，在 5 个相机角度/位置下观测 21 个视线方向）评估所提系统。对于 MPIIGaze 数据集，我们的模型在数据集内联合角度误差估计上取得 2.84 的平均绝对误差（MAE）。此外，模型在 Columbia Gaze 数据集的跨数据集视线估计误差上取得 10.04 的 MAE，通过迁移学习该误差降至 5.9。结果表明该方法前景可期，有望利用普通网络摄像头开发低成本多用户视线追踪系统。
引用
@article{arxiv.2004.07777,
title = {Gaze-Net: Appearance-Based Gaze Estimation using Capsule Networks},
author = {Bhanuka Mahanama and Yasith Jayawardana and Sampath Jayarathna},
journal= {arXiv preprint arXiv:2004.07777},
year = {2020}
}