用于视线估计的半监督对比回归方法

随着智能系统对人机界面需求的提升,开发视线控制系统已成为必然。视线作为非侵入式的人机交互形式,是最佳适配方法之一。基于外观的深度学习模型是视线估计中应用最广泛的模型。但这些模型的性能完全受限于标注视线数据集的规模,进而影响性能的泛化能力。本文旨在开发一种用于视线方向估计的半监督对比学习框架。借助小规模标注视线数据集,该框架即便对未见人脸图像也能找到泛化解。本文提出一种新的对比损失范式,可最大化相似图像间的相似性一致,同时降低嵌入表示的冗余。我们的对比回归框架相较于多种用于视线估计的当前最优对比学习技术表现出良好性能。