論文の概要: EllSeg: An Ellipse Segmentation Framework for Robust Gaze Tracking

• arxiv url: http://arxiv.org/abs/2007.09600v2
• Date: Wed, 4 May 2022 09:14:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 23:57:40.892266
• Title: EllSeg: An Ellipse Segmentation Framework for Robust Gaze Tracking
• Title（参考訳）: EllSeg:ロバストなゲーミングトラッキングのための楕円セグメンテーションフレームワーク
• Authors: Rakshit S. Kothari, Aayush K. Chaudhary, Reynold J. Bailey, Jeff B. Pelz, Gabriel J. Diaz
• Abstract要約: エリパースフィッティングは、瞳孔や虹彩追跡に基づくビデオオクログラフィーにおいて必須の要素である。 楕円構造を直接分割する畳み込みニューラルネットワークのトレーニングを提案する。
• 参考スコア（独自算出の注目度）: 3.0448872422956432
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ellipse fitting, an essential component in pupil or iris tracking based video oculography, is performed on previously segmented eye parts generated using various computer vision techniques. Several factors, such as occlusions due to eyelid shape, camera position or eyelashes, frequently break ellipse fitting algorithms that rely on well-defined pupil or iris edge segments. In this work, we propose training a convolutional neural network to directly segment entire elliptical structures and demonstrate that such a framework is robust to occlusions and offers superior pupil and iris tracking performance (at least 10$\%$ and 24$\%$ increase in pupil and iris center detection rate respectively within a two-pixel error margin) compared to using standard eye parts segmentation for multiple publicly available synthetic segmentation datasets.
• Abstract（参考訳）: 種々のコンピュータビジョン技術を用いて、予め分割された眼の部分に対して、瞳孔または虹彩追跡に基づくビデオオクログラフィーにおいて必須成分である楕円嵌合を行う。 まぶたの形、カメラの位置、まぶたによる咬合などいくつかの要因は、よく定義された瞳孔や虹彩エッジセグメントに依存する楕円型フィッティングアルゴリズムをしばしば破る。 本研究では,複数の公用合成セグメンテーションデータセットに対して標準眼部セグメンテーションを用いた場合と比較して,楕円構造全体を直接分割する畳み込みニューラルネットワークのトレーニングを提案し,その枠組みが閉塞に対して堅牢であることを示し,瞳孔と虹彩追跡性能(少なくとも10$\%$と24$\%$の瞳孔と虹彩中心検出率を2ピクセル誤差マージン内でそれぞれ増加させる)を提供する。

関連論文リスト

• Towards Unsupervised Eye-Region Segmentation for Eye Tracking [9.051786094550293]
  我々は、人間の目の前兆を使い、画像から信号を抽出し、眼領域構造を示す粗い手がかりを確立する。 セグメンテーションネットワークは、各部分の正確な領域を徐々に特定するように訓練される。 実験の結果、教師なしのアプローチは、教師付き学習下での成績の90%(瞳孔と虹彩)と85%(視線領域全体)を容易に達成できることがわかった。
  論文  参考訳（メタデータ） (2024-10-08T15:33:23Z)
• CondSeg: Ellipse Estimation of Pupil and Iris via Conditioned Segmentation [9.680930476240674]
  瞳孔成分(瞳孔、虹彩、硬化)は、AR/VR製品における視線追跡および視線推定の基礎となる。 本稿では,全瞳孔/虹彩円を楕円形(楕円形)でモデル化し,視線領域の開放性によって瞳孔/虹彩の視認性を制御する2つの先行性について考察する。 本研究はCondSegを用いて,全楕円を明示的にアノテートすることなく,セグメンテーションラベルから直接瞳孔・虹彩の楕円パラメータを推定する。
  論文  参考訳（メタデータ） (2024-08-30T12:17:49Z)
• Periocular biometrics: databases, algorithms and directions [69.35569554213679]
  近視バイオメトリックスは、制御されていない条件下での虹彩や顔のシステムの性能に関する懸念から、独立したモダリティとして確立されている。 本稿では, 近視バイオメトリックス研究における最先端技術について概説する。
  論文  参考訳（メタデータ） (2023-07-26T11:14:36Z)
• A Simple Framework for Open-Vocabulary Segmentation and Detection [85.21641508535679]
  我々は,異なるセグメンテーションと検出データセットから共同で学習する,シンプルなオープン語彙検出フレームワークOpenSeeDを提案する。 まず、事前学習されたテキストエンコーダを導入し、視覚概念を2つのタスクにエンコードし、それらの共通意味空間を学習する。 プレトレーニング後,本モデルでは,セグメンテーションと検出の両方において,競争力あるいは強いゼロショット転送性を示す。
  論文  参考訳（メタデータ） (2023-03-14T17:58:34Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• Segmentation-free Direct Iris Localization Networks [0.0]
  本稿では,アイリス分割と円環嵌合を用いない効率的なアイリス局所化法を提案する。 低分解能アイリス画像から瞳孔と虹彩円を直接局所化できる虹彩局在化ネットワーク(ILN)を提案する。 また,瞳孔局所化の精度を向上させるために,瞳孔微細化ネットワーク(PRN)を導入する。
  論文  参考訳（メタデータ） (2022-10-19T09:13:39Z)
• Two-headed eye-segmentation approach for biometric identification [3.4998703934432682]
  本稿では,2つの異なるデコードモジュールを用いて眼球成分とアイラッシュを分割する新しい2つの頭部アーキテクチャを提案する。 両面アプローチにより,先行した凸によるモデルの品質評価も可能となった。 実環境における様々な学習シナリオについて,高分解能近赤外虹彩画像を用いて広範囲に評価を行った。
  論文  参考訳（メタデータ） (2022-09-30T13:52:03Z)
• Pseudo-label Guided Cross-video Pixel Contrast for Robotic Surgical Scene Segmentation with Limited Annotations [72.15956198507281]
  シーンセグメンテーションを促進するために,新しい擬似ラベル付きクロスビデオコントラスト学習法であるPGV-CLを提案する。 本研究では,ロボット外科手術データセットEndoVis18と白内障手術データセットCaDISについて検討した。
  論文  参考訳（メタデータ） (2022-07-20T05:42:19Z)
• Open-world Semantic Segmentation via Contrasting and Clustering Vision-Language Embedding [95.78002228538841]
  本研究では,様々なオープンワールドカテゴリのセマンティックオブジェクトを高密度アノテーションを使わずにセマンティックオブジェクトのセマンティックオブジェクトのセマンティック化を学習するための,新しいオープンワールドセマンティックセマンティックセマンティックセマンティクスパイプラインを提案する。 提案手法は任意のカテゴリのオブジェクトを直接分割し、3つのベンチマークデータセット上でデータラベリングを必要とするゼロショットセグメンテーション法より優れている。
  論文  参考訳（メタデータ） (2022-07-18T09:20:04Z)
• 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)
• SIP-SegNet: A Deep Convolutional Encoder-Decoder Network for Joint Semantic Segmentation and Extraction of Sclera, Iris and Pupil based on Periocular Region Suppression [8.64118000141143]
  マルチモーダル生体認証システムは 生体認証システムの限界に 対処する能力がある このようなシステムには高い特性、永続性、性能があるが、他の生体特性に基づく技術は容易に妥協できる。 SIP-SegNetと呼ばれる新しい深層学習フレームワークが提案され、眼形質のセマンティックセマンティックセグメンテーションを行う。
  論文  参考訳（メタデータ） (2020-02-15T15:20:44Z)

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。