Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2412.08074

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2412.08074 (cs)
[提交于 2024年12月11日 ]

标题: EM-Net:使用期望最大化算法的注视估计

标题: EM-Net: Gaze Estimation with Expectation Maximization Algorithm

Authors:Zhang Cheng, Yanxia Wang, Guoyu Xia
摘要: 近年来,眼动估计技术的准确性逐渐提高,但现有方法通常依赖于大型数据集或大型模型来提升性能,这导致对计算资源有较高的要求。 在这一问题方面,本文提出了一种基于深度学习和传统机器学习算法的轻量级眼动估计模型EM-Net,该模型使用了期望最大化算法。 首先,所提出的全局注意力机制(GAM)被添加以提取与眼动估计相关的特征,从而提高模型捕捉全局依赖关系的能力,进而提升其性能。 其次,通过EM模块学习分层特征表示,使模型具有强大的泛化能力,从而减少对样本数量的需求。 实验确认,在仅使用50%训练数据的前提下,与GazeNAS-ETH相比,EM-Net分别在Gaze360、MPIIFaceGaze和RT-Gene数据集上提升了2.2%、2.02%和2.03%的性能。 它在面对高斯噪声干扰时也表现出良好的鲁棒性。
摘要: In recent years, the accuracy of gaze estimation techniques has gradually improved, but existing methods often rely on large datasets or large models to improve performance, which leads to high demands on computational resources. In terms of this issue, this paper proposes a lightweight gaze estimation model EM-Net based on deep learning and traditional machine learning algorithms Expectation Maximization algorithm. First, the proposed Global Attention Mechanism(GAM) is added to extract features related to gaze estimation to improve the model's ability to capture global dependencies and thus improve its performance. Second, by learning hierarchical feature representations through the EM module, the model has strong generalization ability, which reduces the need for sample size. Experiments have confirmed that, on the premise of using only 50% of the training data, EM-Net improves the performance of Gaze360, MPIIFaceGaze, and RT-Gene datasets by 2.2%, 2.02%, and 2.03%, respectively, compared with GazeNAS-ETH. It also shows good robustness in the face of Gaussian noise interference.
主题: 计算机视觉与模式识别 (cs.CV) ; 机器学习 (cs.LG)
引用方式: arXiv:2412.08074 [cs.CV]
  (或者 arXiv:2412.08074v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2412.08074
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Zhang Cheng [查看电子邮件]
[v1] 星期三, 2024 年 12 月 11 日 03:43:18 UTC (1,335 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-12
切换浏览方式为:
cs
cs.CV

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号