计算机科学 > 计算机视觉与模式识别
[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
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。
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.