摘要
Ahmed A Abdelrahman、Thorsten Hempel、Aly Khalifa和Ayoub Al-Hamadi。 2022.L2CS-Net:无约束环境中的细粒度凝视估计。 arXiv预打印arXiv:2203.03339(2022)。 谷歌学者 Alexander Amini、Ava P Soleimany、Wilko Schwarting、Sangeeta N Bhatia和Daniela Rus。 2019.通过学习潜在结构来发现和缓解算法偏差。 2019年AAAI/ACM人工智能、道德和社会会议记录。 289--295. 谷歌学者 数字图书馆 Nuri Murat Arar、Hua Gao和Jean-Philippe Thiran。 2016年,基于回归的实时凝视估计用户校准框架。 IEEE视频技术电路和系统汇刊27,12(2016),2623-2638。 谷歌学者 数字图书馆 瓦伦丁·巴扎列夫斯基(Valentin Bazarevsky)、尤里·卡廷尼克(Yury Kartynik)、安德烈·瓦库诺夫(Andrey Vakunov)、卡蒂克·拉文德兰(Karthik Raveendran)和马蒂亚斯·格兰德曼。 2019.Blazeface:移动gpu上的亚毫秒级神经人脸检测。 arXiv预印本arXiv:1907.05047(2019)。 谷歌学者 萨吉·本奈姆(Sagie Benaim)和莉奥·沃尔夫(Lior Wolf)。 2018年,一拍无监督跨领域翻译。 神经信息处理系统进展31(2018)。 谷歌学者 安德鲁·布洛克(Andrew Brock)、杰夫·多纳休(Jeff Donahue)和凯伦·西蒙扬(Karen Simonyan)。 2018.用于高保真自然图像合成的大规模GAN训练。 arXiv预印arXiv:1809.11096(2018)。 谷歌学者 陈晶晶(Jingjing Chen)、张继超(Jichao Zhang)、恩维尔·桑吉内托(Enver Sangineto)、陈涛(Tao Chen),范嘉元(Jiayuan Fan)和尼库·塞贝(Nicu Sebe)。 2021.通过数字和图像引导进行粗略到精细的凝视重定向。 IEEE/CVF计算机视觉应用冬季会议论文集。 3665--3674. 谷歌学者 交叉引用 程一华(Yihua Cheng)和陆锋(Feng Lu),2022年。 使用变压器进行凝视估计。 2022年,第26届模式识别国际会议(ICPR)。 IEEE,3341--3347。 谷歌学者 交叉引用 程一华,王浩飞,鲍一伟,冯璐。2021。 基于外表的深度学习凝视评估:回顾与基准。arXiv预印本arXiv:2104.12668(2021)。 谷歌学者 安东尼娅·克雷斯韦尔、汤姆·怀特、文森特·杜穆林、凯·阿鲁库马兰、比斯瓦·森古普塔和阿尼尔·A·巴拉斯。 2018.生成性对抗网络:概述。 IEEE信号处理杂志35,1(2018),53--65。 谷歌学者 于登、杨蛟龙、董晨、方文和辛彤。 2020年。通过三维模拟控制学习生成不纠缠且可控的人脸图像。 在IEEE/CVF关于计算机视觉和模式识别的会议记录中。 5154--5163. 谷歌学者 交叉引用 雅罗斯拉夫·加宁(Yaroslav Ganin)、丹尼尔·科诺连科(Daniel Kononenko)、戴安娜·桑加图利纳(Diana Sungatullina)和维克托·莱姆皮茨基(Victor Lempitsky)。 2016.Deepwarp:为凝视操作重新合成照片级图像。 在欧洲计算机视觉会议上。 施普林格,311-326。 谷歌学者 交叉引用 埃里克·哈科宁(Erik Härkönen)、亚伦·赫茨曼(Aaron Hertzmann)、贾科·莱赫蒂宁(Jaakko Lehtinen)和西尔万·巴黎(Sylvain Paris),2020年。 甘斯空间:发现可解释的甘斯控制。 神经信息处理系统进展33(2020),9841-9850。 谷歌学者 何开明、张湘玉、任少清、孙建军。 2016.图像识别的深度残差学习。 在IEEE计算机视觉和模式识别会议记录中。 770--778. 谷歌学者 交叉引用 马丁·休塞尔、休伯特·拉姆索尔、托马斯·恩特提纳、伯恩哈德·奈斯勒和塞普·霍克莱特。 2017年。根据两个时间尺度更新规则训练的Gans收敛到局部纳什均衡。 神经信息处理系统进展30(2017)。 谷歌学者 石川高弘。 2004.采用主动外观模型的被动驾驶员视线跟踪。 (2004). 谷歌学者 Ali Jahanian、Lucy Chai和Phillip Isola。 2019.关于生成性对抗网络的“可操纵性”。 arXiv预印本arXiv:1907.07171(2019)。 谷歌学者 Tero Karras、Miika Aittala、Samuli Laine、Erik Härkönen、Janne Hellsten、Jaakko Lehtinen和Timo Aila。 2021.无别名生成对抗性网络。 神经信息处理系统进展34(2021),852-863。 谷歌学者 泰罗·卡拉斯(Tero Karras)、萨穆利·莱恩(Samuli Laine)和蒂莫·艾拉(Timo Aila)。 2019.一种用于生成对抗性网络的基于风格的生成器架构。 IEEE/CVF计算机视觉和模式识别会议论文集。 4401--4410. 谷歌学者 交叉引用 尤里·卡廷尼克(Yury Kartynik)、阿塞罗姆·阿布拉瓦茨基(Artsiom Ablavatski)、伊万·格里什琴科(Ivan Grishchenko)和马蒂亚斯·格兰德曼(Matthias Grundmann)。 2019.移动GPU上单目视频的实时面部曲面几何。 arXiv预印本arXiv:1907.06724(2019)。 谷歌学者 哈西姆兰·考尔和罗伯特·曼杜奇。 2020年。Eyegan:凝视保护,掩蔽介导的眼睛图像合成。 IEEE/CVF计算机视觉应用冬季会议论文集。 310--319. 谷歌学者 交叉引用 彼得·凯伦霍夫(Petr Kellnhofer)、阿德里亚·雷卡森斯(Adria Recasens)、西蒙·斯坦特(Simon Stent)、沃伊西奇·马图西克(Wojciech Matusik)和安东尼奥·托拉尔巴(Antonio Torralba)。 2019.Gaze360:野外物理无约束凝视评估。 IEEE/CVF计算机视觉国际会议论文集。 6912--6921. 谷歌学者 交叉引用 Diederik P Kingma和Jimmy Ba.2014年。 亚当:一种随机优化方法。 arXiv预印本arXiv:1412.6980(2014)。 谷歌学者 李成汉、刘紫薇、吴凌云和罗萍。 2020年,Maskgan:走向多样化和交互式面部图像处理。 IEEE/CVF计算机视觉和模式识别会议论文集。 5549--5558. 谷歌学者 交叉引用 李耿彦、阿比米特拉·梅卡、弗兰齐斯卡·穆勒、马塞尔·布埃勒、奥特玛·希利格斯和塔博·比勒。 2022.EyeNeRF:人眼真实感合成、动画和重新照明的混合表示。 ACM图形学报(TOG)41,4(2022),1--16。 谷歌学者 数字图书馆 大卫·马斯科。 2017.使用转移学习进行眼睛跟踪校准。 谷歌学者 Lars Mescheder、Andreas Geiger和Sebastian Nowozin。 2018年,针对GAN的哪些培训方法真正趋同?。 在机器学习国际会议上。 PMLR,3481-3490。 谷歌学者 Ben Mildenhall、Pratul P Srinivasan、Matthew Tancik、Jonathan T Barron、Ravi Ramamoorthi和Ren Ng.2021。 Nerf:将场景表示为用于视图合成的神经辐射场。 Commun公司。 ACM 65(2021),99-106。 谷歌学者 数字图书馆 Margaret Mitchell、Simone Wu、Andrew Zaldivar、Parker Barnes、Lucy Vasserman、Ben Hutchinson、Elena Spitzer、Inioluwa Deborah Raji和Timnit Gebru。 2019.模型报告的模型卡。 在关于公平、问责制和透明度的会议记录中。 220--229. 谷歌学者 数字图书馆 谢尔盖·尼古拉科。 2021.深度学习的合成数据。 第174卷。 斯普林格。 谷歌学者 Seonwook Park、Shalini De Mello、Pavlo Molchanov、Umar Iqbal、Otmar Hilliges和Jan Kautz。 2019.少镜头自适应凝视估计。 IEEE/CVF计算机视觉国际会议论文集。 9368--9377. 谷歌学者 交叉引用 索尼娅·波塔(Sonia Porta)、贝诺伊特·博萨维特(Benoit Bossavit)、拉斐尔·卡贝扎(Rafael Cabeza)、安多尼·拉伦贝格拉(Andoni Larumbe-Bergera)、冈萨洛·加德(Gonzalo Garde)和阿兰塔·维拉努。 2019.U2Eyes:用于眼睛跟踪和凝视估计的双目数据集。 IEEE/CVF国际计算机视觉研讨会论文集。 0--0. 谷歌学者 交叉引用 Mahima Pushkarna、Andrew Zaldivar和Oddur Kjartansson。 2022.数据卡:为负责任的人工智能提供有目的和透明的数据集文档。《2022年ACM公平、问责和透明度会议记录》。 1776--1826. 谷歌学者 数字图书馆 Tim Salimans、Ian Goodfellow、Wojciech Zaremba、Vicki Cheung、Alec Radford和Xi Chen。 2016年,改进了培训机构的技术。 神经信息处理系统进展29(2016)。 谷歌学者 马坦·塞拉(Matan Sela)、徐平美(Pingmei Xu)、何俊峰(Junfeng He)、维迪亚·纳瓦尔帕卡姆(Vidhya Navalpakkam)和德米特里·拉贡(Dmitry Lagun)。 2017.用于凝视估计的Gazegan非配对对抗性图像生成。 arXiv预印本arXiv:1711.09767(2017)。 谷歌学者 沈宇军、顾锦锦、汤晓鸥和周伯雷。 2020年,解读人脸语义编辑组织的潜在空间。 IEEE/CVF计算机视觉和模式识别会议论文集。 9243--9252. 谷歌学者 交叉引用 史宜春、肖扬、杨跃万和沈晓慧。 2022.语义风格GAN:学习可控图像合成和编辑的合成生成先验。 IEEE/CVF计算机视觉和模式识别会议论文集。 11254--11264. 谷歌学者 交叉引用 Ashish Shrivastava、Tomas Pfister、Oncel Tuzel、Joshua Susskind、Wenda Wang和Russell Webb。 2017年。通过对抗性训练从模拟和无监督图像中学习。 在IEEE计算机视觉和模式识别会议记录中。 2107--2116. 谷歌学者 交叉引用 舒叶芝、冉毅、夏梦飞、叶紫鹏、王钊、杨晨、赖宇坤和刘永进。 2021.基于Gan的多风格照片卡通化。 IEEE可视化和计算机图形汇刊28,10(2021),3376--3390。 谷歌学者 交叉引用 Neelabh Sinha、Michal Balazia和François Bremond。 2021.火焰:面部地标热图激活多模式凝视评估。 2021年,第17届IEEE高级视频和信号监控(AVSS)国际会议。 IEEE,1--8。 谷歌学者 Erroll Wood、Tadas Baltrušaitis、Louis-Philippe Morency、Peter Robinson和Andreas Bulling。 2016。从一百万张合成图像中学习基于外观的凝视估计器。 在第九届两年一度的ACM眼动跟踪研究与应用研讨会的会议记录中。 131--138. 谷歌学者 数字图书馆 夏伟豪、杨玉菊、薛景浩和冯文森。 2020年。可控连续凝视重定向。 第28届ACM国际多媒体会议记录。 1782--1790. 谷歌学者 数字图书馆 张继超、孙孟、陈晶晶、唐浩、闫燕、秦雪莹和尼库·塞贝。 2019.瞪眼矫正:使用自我监督的生成性对抗网络在野外进行自我引导的眼睛操作。 arXiv预印arXiv:1906.00805(2019)。 谷歌学者 Richard Zhang、Phillip Isola、Alexei A Efros、Eli Shechtman和Oliver Wang。 2018年。深层特征作为感知指标的不合理有效性。 在IEEE计算机视觉和模式识别会议记录中。 586--595. 谷歌学者 交叉引用 张旭聪、Seonwook Park、Thabo Beeler、Derek Bradley、唐思玉和Otmar Hilliges。 2020年,Eth-xgake:一个用于极端头部姿势和凝视变化下凝视估计的大规模数据集。 在欧洲计算机视觉会议上。 斯普林格,365-381。 谷歌学者 数字图书馆 张旭聪、素加诺、弗里茨和布林。 2015年。野外基于外表的凝视估计。 在IEEE计算机视觉和模式识别会议记录中。 4511--4520. 谷歌学者 交叉引用
建议
作为辅助任务的半监督眼睛路标检测凝视估计 摘要 凝视的变化经常反映在眼睛标志物的运动中,突出了眼睛标志物学习对准确凝视估计的相关性。 为了利用眼睛标志,我们提出了一个包含眼睛。。。 集锦 我们利用眼睛标记检测作为辅助任务来辅助凝视估计。 我们应用半监督学习来学习现实世界数据上的眼睛标记。 视线估计性能通过利用眼睛。。。
基于错误感知的凝视界面凝视估计误差预测 ETRA’16:第九届双年度ACM眼动跟踪研究与应用研讨会论文集 凝视估计误差是头戴式眼球跟踪器固有的,严重影响基于凝视的界面的性能、可用性和用户体验。 特别是在移动设置中,当用户向前移动并观看时,此错误会不断变化。。。