基于 landmarks 的凝视估计：几何是否足够？
计算机视觉与模式识别
2026-03-27 v1 人工智能
摘要
外观基准的凝视估计常依赖深度卷积神经网络(CNN)。这些模型准确但计算昂贵，充当“黑箱”，提供很少的可解释性。基于面部 landmarks 的几何方法是一种轻量级替代方案，但其性能限制和在现代基准测试中的泛化能力仍未得到充分探索。在本研究中，我们对 landmarks 基准凝视估计进行了全面评估。我们引入一个标准化管道，从三个大规模数据集（Gaze360、ETH-XGaze 和 GazeGene）中提取和归一化 landmarks，并训练轻量级回归模型，具体包括Extreme Gradient Boosted树和两种神经网络结构：一种整体多层感知器(MLP)和一种设计用于捕获双眼几何的siamese MLP。我们发现，landmarks 基准模型在同一域内评估中表现较差，可能是由于landmarks 检测器引入的噪声所致。然而，在跨域评估中，所提出的MLP架构显示出与ResNet18基准相当的泛化能力。这些发现表明，稀疏几何特征为稳健的凝视估计编码了足够的信息，为高效、可解释且面向边缘应用的隐私友好型解决方案铺平了道路。源代码和生成的landmarks 基准数据集可在 https://github.com/daniele-agostinelli/LandmarkGaze.git 获取。
关键词
引用
@article{arxiv.2603.24724,
title = {Is Geometry Enough? An Evaluation of Landmark-Based Gaze Estimation},
author = {Daniele Agostinelli and Thomas Agostinelli and Andrea Generosi and Maura Mengoni},
journal= {arXiv preprint arXiv:2603.24724},
year = {2026}
}