从网络无监督学习眼动注视表示
计算机视觉与模式识别
2019-04-05 v1
摘要
自动眼动注视估计长期以来令研究者感兴趣。本文中，我们提出一种基于无监督学习的眼动注视区域估计方法。为以自监督方式训练所提网络“Ize-Net”，我们从网络收集了包含 1,54,251 张图像的大型“in the wild”数据集。对数据库中图像，我们基于一种基于瞳孔中心定位的自动技术将注视分为三个区域，随后使用基于特征的技术确定注视区域。通过在 Tablet Gaze 与 CAVE 数据集上微调 Ize-Net 的眼动注视估计结果进行性能评估。所学特征表示也用于训练传统机器学习算法以进行眼动注视估计。结果表明，所提方法学到了丰富的数表示，可高效微调用于任意眼动注视估计数据集。
引用
@article{arxiv.1904.02459,
title = {Unsupervised Learning of Eye Gaze Representation from the Web},
author = {Neeru Dubey and Shreya Ghosh and Abhinav Dhall},
journal= {arXiv preprint arXiv:1904.02459},
year = {2019}
}