論文の概要: MagicEyes: A Large Scale Eye Gaze Estimation Dataset for Mixed Reality
- arxiv url: http://arxiv.org/abs/2003.08806v1
- Date: Wed, 18 Mar 2020 08:23:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 10:08:38.235673
- Title: MagicEyes: A Large Scale Eye Gaze Estimation Dataset for Mixed Reality
- Title(参考訳): MagicEyes: 複合現実感のための大規模視線推定データセット
- Authors: Zhengyang Wu, Srivignesh Rajendran, Tarrence van As, Joelle
Zimmermann, Vijay Badrinarayanan, Andrew Rabinovich
- Abstract要約: MagicEyesは、実際のMRデバイスを用いて収集された最初の大規模アイデータセットである。
我々はMagicEyesのいくつかの最先端手法を評価し、また、角膜、グリント、瞳孔を検出できる新しいマルチタスクEyeNetモデルと、1つの前方パスでのアイセグメンテーションを提案する。
- 参考スコア(独自算出の注目度): 8.025086113117291
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the emergence of Virtual and Mixed Reality (XR) devices, eye tracking
has received significant attention in the computer vision community. Eye gaze
estimation is a crucial component in XR -- enabling energy efficient rendering,
multi-focal displays, and effective interaction with content. In head-mounted
XR devices, the eyes are imaged off-axis to avoid blocking the field of view.
This leads to increased challenges in inferring eye related quantities and
simultaneously provides an opportunity to develop accurate and robust learning
based approaches. To this end, we present MagicEyes, the first large scale eye
dataset collected using real MR devices with comprehensive ground truth
labeling. MagicEyes includes $587$ subjects with $80,000$ images of
human-labeled ground truth and over $800,000$ images with gaze target labels.
We evaluate several state-of-the-art methods on MagicEyes and also propose a
new multi-task EyeNet model designed for detecting the cornea, glints and pupil
along with eye segmentation in a single forward pass.
- Abstract(参考訳): 仮想および混合現実(xr)デバイスが出現したことで、コンピュータビジョンコミュニティではアイトラッキングが注目されている。
視線推定はXRの重要な要素であり、エネルギー効率の良いレンダリング、多焦点ディスプレイ、コンテンツとの効果的な相互作用を可能にする。
ヘッドマウントXRデバイスでは、視野を塞ぐのを避けるために、視線をオフ軸に撮像する。
これにより、目に関連する量を推測する際の課題が増加し、同時に正確で堅牢な学習ベースのアプローチを開発する機会を提供する。
そこで本研究では,実mr装置を用いて収集した最初の大規模眼球データセットであるmagiceyesを提案する。
MagicEyesには、587ドルの被験者と80,000ドルの人間ラベル付き地上の真実の画像、80,000ドルの目標ラベル付き画像が含まれている。
そこで本研究では,magiceyesの最先端手法を評価するとともに,角膜,グリム,瞳孔を1回のフォワードパスで検出するマルチタスクアイネットモデルを提案する。
関連論文リスト
- Deep Domain Adaptation: A Sim2Real Neural Approach for Improving Eye-Tracking Systems [80.62854148838359]
眼球画像のセグメンテーションは、最終視線推定に大きな影響を及ぼす眼球追跡の重要なステップである。
対象視線画像と合成訓練データとの重なり合いを測定するために,次元還元法を用いている。
提案手法は,シミュレーションと実世界のデータサンプルの相違に対処する際の頑健で,性能が向上する。
論文 参考訳(メタデータ) (2024-03-23T22:32:06Z) - Model-aware 3D Eye Gaze from Weak and Few-shot Supervisions [60.360919642038]
本稿では,眼意味分類マスクの弱い監督と数個の3次元視線ベクトルの直接監督から3次元視線を予測することを提案する。
多様な環境下での実験では,提案手法の利点が示され,ベースラインの角度誤差が約5度低くなった。
論文 参考訳(メタデータ) (2023-11-20T20:22:55Z) - DeepMetricEye: Metric Depth Estimation in Periocular VR Imagery [4.940128337433944]
本稿では,U-Net 3+のディープラーニングバックボーンをベースとした軽量なフレームワークを提案する。
本手法は,3次元眼球周囲領域を再構成し,関連する光刺激計算プロトコルと医療ガイドラインの計量基準を提供する。
被験者36名を対象に, 眼球全球精度評価実験, 瞳孔径測定において有意な有効性を示した。
論文 参考訳(メタデータ) (2023-11-13T10:55:05Z) - High-Fidelity Eye Animatable Neural Radiance Fields for Human Face [22.894881396543926]
多視点画像から眼球運動に敏感な顔NeRFモデルを学習する。
本モデルでは,眼球回転と非剛性眼球周囲変形の高精度な高忠実度画像を生成することができることを示す。
論文 参考訳(メタデータ) (2023-08-01T18:26:55Z) - Near-infrared and visible-light periocular recognition with Gabor
features using frequency-adaptive automatic eye detection [69.35569554213679]
近視認識は、制御の少ないシナリオにおいて、顔や虹彩の堅牢性の増大が要求されるため、近年注目を集めている。
本稿では,複雑な対称性フィルタに基づく眼球検出システムを提案する。
このシステムはレチノトピックサンプリンググリッドとガボルスペクトル分解に基づく近視アルゴリズムの入力として用いられる。
論文 参考訳(メタデータ) (2022-11-10T13:04:03Z) - Artifact-Tolerant Clustering-Guided Contrastive Embedding Learning for
Ophthalmic Images [18.186766129476077]
眼科画像の表現を学習するための,EyeLearnと呼ばれる人工物耐性の非教師なし学習フレームワークを提案する。
EyeLearnには、アーティファクトのない眼科画像の最良の予測が可能な表現を学ぶためのアーティファクト修正モジュールがある。
EyeLearnを評価するために,緑内障患者の実眼画像データセットを用いて,視覚野の予測と緑内障検出に学習表現を用いた。
論文 参考訳(メタデータ) (2022-09-02T01:25:45Z) - A Deep Learning Approach for the Segmentation of Electroencephalography
Data in Eye Tracking Applications [56.458448869572294]
脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。
エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。
我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
論文 参考訳(メタデータ) (2022-06-17T10:17:24Z) - Gaze Estimation with Eye Region Segmentation and Self-Supervised
Multistream Learning [8.422257363944295]
本稿では、視線推定のための頑健な視線表現を学習する新しいマルチストリームネットワークを提案する。
まず,目に見える眼球と虹彩をシミュレーターを用いて詳述した眼球領域マスクを含む合成データセットを作成する。
次に、U-Net型モデルを用いて視線領域分割を行い、実際の画像の視線領域マスクを生成する。
論文 参考訳(メタデータ) (2021-12-15T04:44:45Z) - Do Pedestrians Pay Attention? Eye Contact Detection in the Wild [75.54077277681353]
都市環境では、人間は近くの人々との迅速かつ効率的なコミュニケーションのためにアイコンタクトに依存している。
本稿では,環境や歩行者距離を制御できない自動運転車の眼球接触検出,すなわち実世界のシナリオに着目した。
本稿では, セマンティックキーポイントを利用したアイコンタクト検出モデルを導入し, このハイレベルな表現が, 一般公開データセットJAADの最先端結果を実現することを示す。
ドメイン適応を研究するために、私たちは、野生のアイコンタクト検出のための大規模データセット、LOOKを作成しました。
論文 参考訳(メタデータ) (2021-12-08T10:21:28Z) - MTCD: Cataract Detection via Near Infrared Eye Images [69.62768493464053]
白内障は一般的な眼疾患であり、盲目や視力障害の主な原因の1つである。
近赤外画像を用いた白内障検出のための新しいアルゴリズムを提案する。
深層学習に基づくアイセグメンテーションとマルチタスクネットワーク分類ネットワークについて述べる。
論文 参考訳(メタデータ) (2021-10-06T08:10:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。