GazeTarget360：面向机器人感知的 360 度凝视目标估计
计算机视觉与模式识别
2025-07-02 v1 人机交互
摘要
使机器人理解人类凝视目标是实现下游能力（如注意力估计和现实人机交互中的运动预测）的关键步骤。先前工作通过仔细删除超出视野样本来解决 in-frame 目标定位问题。视觉-based 凝视估计方法（如 OpenFace）未能有效吸收图像中的背景信息，无法预测主体远离摄像机时的凝视目标。本文提出一种系统，解决从图像中进行 360 度凝视目标估计的问题。该系统称为 GazeTarget360，集成了眼部接触检测器、预训练视觉编码器和多尺度融合解码器的条件推理引擎。交叉验证结果表明，GazeTarget360 在未见情景中能够产生准确可靠的凝视目标预测。这一系统是首个能够从真实相机录像中预测凝视目标的系统，具有高度效率和可部署性。我们的源代码已公开发布于：https://github.com/zdai257/DisengageNet。
引用
@article{arxiv.2507.00253,
title = {GazeTarget360: Towards Gaze Target Estimation in 360-Degree for Robot Perception},
author = {Zhuangzhuang Dai and Vincent Gbouna Zakka and Luis J. Manso and Chen Li},
journal= {arXiv preprint arXiv:2507.00253},
year = {2025}
}