UVAGaze：用于视线估计的无监督1到2视角自适应

视线估计已成为近期研究的热点。目前大多数方法依赖单视角面部图像作为输入。然而，这些方法难以处理大的头部角度，导致估计可能不准确。为解决此问题，增加第二视角相机有助于更好地捕捉眼睛外观。然而，现有的多视角方法有两个局限性：1）它们需要多视角标注进行训练，成本高昂；2）更重要的是，在测试时，必须知道多个相机的确切位置并与训练时使用的相机位置匹配，这限制了应用场景。为应对这些挑战，本文提出了一种新颖的1视角到2视角（1-to-2 views）自适应解决方案——无监督1-to-2视角自适应视线估计框架（UVAGaze）。我们的方法将传统的单视角视线估计器适配到灵活放置的双相机上。这里的“灵活”意味着我们将双相机任意放置，无需知道它们的外参，且不受训练数据限制。具体地，UVAGaze构建了一种双视角相互监督自适应策略，利用两个视角之间视线方向的内在一致性。这样，我们的方法不仅可以受益于常见的单视角预训练，还可以实现更先进的双视角视线估计。实验结果表明，单视角估计器在适配到双视角后，可以实现更高的精度，尤其是在跨数据集设置下，精度提升了47.0%。项目页面：https://github.com/MickeyLLG/UVAGaze。