面向手机注视点估计的位姿鲁棒校准策略

尽管基于外观的注视点（PoG）估计已取得进展，但估计器仍因个体差异而难以跨人群泛化。因此，精确的 PoG 估计需要针对个人进行校准。然而，校准后的 PoG 估计器通常对头部姿态变化敏感。为解决此问题，我们研究了影响校准估计器的关键因素，并探索了位姿鲁棒的校准策略。具体而言，我们首先构建了一个基准数据集 MobilePoG，其中包含 32 位受试者在固定或连续变化的头部姿态下注视指定点的面部图像。利用该基准，我们系统分析了校准点与头部姿态的多样性如何影响估计精度。实验表明，在校准过程中引入更广泛的头部姿态变化可提升估计器处理姿态变化的能力。基于此发现，我们提出了一种动态校准策略，即用户在移动手机的同时注视校准点。该策略在用户友好且高效的校准过程中自然地引入了头部姿态变化，最终生成的校准后 PoG 估计器相比使用传统校准策略的估计器，对头部姿态变化更不敏感。代码与数据集可在我们的项目页面获取。