面向外观基准的凝视估计中的偏差与公平性检验
计算机视觉与模式识别
2026-04-14 v1
摘要
尽管外观基准凝视估计在准确率和领域适应性方面取得了显著进展，但这些系统在不同人口学群体中的公平性尚未得到广泛探讨。迄今为止，尚无综合性基准用于量化凝视估计中的算法偏差。本文提首次对外观基准凝视估计进行广泛的公平性评估，聚焦于民族和性别属性。我们通过分析采用标准公平性指标的前沿模型，建立公平性基线，揭示显著的性能差异。进一步评估了现有偏差缓解策略在凝视领域的有效性，结果表明其公平性贡献有限。我们总结出的关键见解和开放性问题。总体而言，本工作呼吁致力于开发稳健、公平的凝视估计器。为支持未来研究及可重复性，我们将公开发布我们的标注数据、代码以及训练好的模型，地址为：github.com/akgulburak/gaze-estimation-fairness
引用
@article{arxiv.2604.10707,
title = {Investigating Bias and Fairness in Appearance-based Gaze Estimation},
author = {Burak Akgül and Erol Şahin and Sinan Kalkan},
journal= {arXiv preprint arXiv:2604.10707},
year = {2026}
}