LNSMM：基于局部网络共享多视角多任务的视线估计
计算机视觉与模式识别
2021-01-19 v1 人工智能
摘要
视线估计在计算机视觉中已变得愈发重要。在本文中，我们系统研究了视线估计方法的主流，提出一种同时估计视线点与视线方向的新方法。首先，我们构建局部共享网络用于视线点与视线方向估计的特征提取，其可减少网络计算参数并快速收敛；其次，我们提出多视角多任务学习(MTL)框架，对于视线方向，提出针对左右眼的共面约束，对于视线点，三视角数据输入间接引入眼睛位置信息，设计跨视角池化模块，提出处理视线点与视线方向估计的联合损失。最终，我们收集了一个使用视线点的数据集，其具有三视角以补足现有公开数据集。实验表明我们的方法在视线点与视线方向两项指标上优于当前主流方法，达到最优(state-of-the-art)。
引用
@article{arxiv.2101.07116,
title = {LNSMM: Eye Gaze Estimation With Local Network Share Multiview Multitask},
author = {Yong Huang and Ben Chen and Daiming Qu},
journal= {arXiv preprint arXiv:2101.07116},
year = {2021}
}