计算机科学 > 计算机视觉与模式识别
[提交于 2025年6月30日
]
标题: GazeTarget360:面向机器人感知的360度注视目标估计
标题: GazeTarget360: Towards Gaze Target Estimation in 360-Degree for Robot Perception
摘要: 使机器人理解人类的注视目标是实现下游任务能力的关键步骤,例如在现实世界的人机交互中进行注意力估计和运动预期。 以往的工作通过数据驱动的方法仔细去除帧外样本,解决了帧内目标定位问题。 基于视觉的注视估计方法,如OpenFace,无法有效吸收图像中的背景信息,并且在被试者看向摄像头以外的方向时无法预测注视目标。 在本工作中,我们提出了一种系统,以解决从一般视觉场景图像中进行360度注视目标估计的问题。 该系统名为GazeTarget360,集成了眼接触检测器、预训练的视觉编码器和多尺度融合解码器的条件推理引擎。 交叉验证结果表明,GazeTarget360可以在未见过的场景中生成准确且可靠的注视目标预测。 这使得该系统成为首个能够从真实摄像机画面中预测注视目标的系统,其高效且可部署。 我们的源代码已公开在:https://github.com/zdai257/DisengageNet。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.