学习寻找眼部区域关键点以用于非受限环境下的远程视线估计
计算机视觉与模式识别
2018-05-15 v1
摘要
传统的基于特征和基于模型的视线估计方法已证明在受控光照和专用摄像头的环境中表现良好。然而，在非受限的真实世界环境中，由于难以建模光照变化和其他视觉伪影等因素，此类方法被最新的基于外观的方法所超越。我们提出了一种新的基于学习的眼部区域关键点定位方法，使传统方法能够与最新的基于外观的方法相竞争。尽管仅在合成数据上进行训练，我们的方法在真实世界图像上的虹膜定位和眼部形状配准方面超越了现有技术。然后，我们将检测到的关键点作为迭代模型拟合和轻量级基于学习的视线估计方法的输入。我们的方法在特定于个人的和个性化的视线估计背景下优于现有的模型拟合和基于外观的方法。
引用
@article{arxiv.1805.04771,
title = {Learning to Find Eye Region Landmarks for Remote Gaze Estimation in Unconstrained Settings},
author = {Seonwook Park and Xucong Zhang and Andreas Bulling and Otmar Hilliges},
journal= {arXiv preprint arXiv:1805.04771},
year = {2018}
}