弱监督的眼睛闭合程度估计
计算机视觉与模式识别
2019-10-25 v1 机器学习
摘要
随着近期技术进展，人们对构建非侵入式方法以助我们与计算设备通信的兴趣日益增长。在这方面，来自眼睛的准确信息是一种在用户与计算设备之间具有前景的输入媒介。在本文中，我们提出一种捕捉眼睛闭合程度的方法。尽管存在许多用于检测眼睑张开状态的方法，它们本质上无法在真实世界应用中令人满意地表现。在提取有意义信息方面，细致的眼状态估计比估计眼睛是睁是闭更为重要。然而，学习可靠的眼状态估计器需要准确标注，而这是成本高昂的。在本工作中，我们利用可通过计算机图形渲染技术生成并用不同层级眼睛张开度自动标注的合成人脸图像。然而，这些合成训练数据图像与真实世界数据存在域偏移。为缓解此问题，我们提出一种弱监督方法，其利用来自合成数据集的准确标注来学习准确的眼睛张开程度，并利用弱标注（睁或闭）的真实世界眼睛数据集来控制域偏移。我们引入了一个包含 1.3M 张具有细致眼睛张开度和视线信息的合成人脸图像，以及 21k 张具有睁/闭标注的真实世界图像的数据集。该数据集将在录用后在线发布。大量实验验证了所提方法的有效性。
引用
@article{arxiv.1910.10845,
title = {Weakly-Supervised Degree of Eye-Closeness Estimation},
author = {Eyasu Mequanint and Shuai Zhang and Bijan Forutanpour and Yingyong Qi and Ning Bi},
journal= {arXiv preprint arXiv:1910.10845},
year = {2019}
}