通过学习合成式凝视估计导引智能监控系统
计算机视觉与模式识别
2018-10-09 v1
摘要
我们描述了一种用于估计自动化智能监控系统凝视方向的新颖学习合成式（learning-by-synthesis）方法。近来，学习合成式的进展提出了在合成图像上训练模型，可有效降低人力与物力成本。然而，由于合成图像分布不同，从合成图像学习仍未能达到自然图像所期望的性能。为解决此问题，以往方法是通过学习模型提升合成图像的真实感。但该方法的缺点是失真未改善且真实度水平不稳定。为解决该问题，我们参考风格变换思想提出一种新结构以改进合成图像，从而高效降低图像失真并最小化真实数据标注需求。我们估计这能生成高真实度图像，并从定性角度及用户研究予以证明。我们通过训练凝视估计模型对生成图像进行定量评估。相较使用合成图像，我们展示了显著改进，并在包括 MPIIGaze 数据集在内的多个数据集上取得当前最优（state-of-the-art）结果。
引用
@article{arxiv.1810.03286,
title = {Guiding Intelligent Surveillance System by learning-by-synthesis gaze estimation},
author = {Tongtong Zhao and Yuxiao Yan and Jinjia Peng and Zetian Mi and Xianping Fu},
journal= {arXiv preprint arXiv:1810.03286},
year = {2018}
}
备注
Submit to the journal of Pattern Recognition Letters