LPM：用于高效全脸视线估计的可学习池化模块
计算机视觉与模式识别
2019-03-22 v2
摘要
视线追踪是许多领域中的一项重要技术。卷积神经网络（CNN）等技术使得仅依赖个人电脑摄像头等商用硬件的视线追踪方法得以发明。研究表明，用于视线估计的全脸区域比仅用眼睛图像能提供更好的性能。然而，使用全脸图像的一个问题是因图像尺寸更大而导致计算量大。本研究通过使用一种新颖的可学习池化模块去除冗余信息来压缩输入全脸图像，从而解决该问题。该模块可通过反向传播进行端到端训练，以学习池化滤波器中网格的大小。可学习池化模块使有价值区域的分辨率保持较高，反之亦然。所提方法在图像被缩小到更小尺寸时，将视线估计精度保持在特定水平。
引用
@article{arxiv.1903.05761,
title = {LPM: Learnable Pooling Module for Efficient Full-Face Gaze Estimation},
author = {Reo Ogusu and Takao Yamanaka},
journal= {arXiv preprint arXiv:1903.05761},
year = {2019}
}
备注
FG2019