論文の概要: CondSeg: Ellipse Estimation of Pupil and Iris via Conditioned Segmentation
- arxiv url: http://arxiv.org/abs/2408.17231v1
- Date: Fri, 30 Aug 2024 12:17:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-02 15:28:41.241451
- Title: CondSeg: Ellipse Estimation of Pupil and Iris via Conditioned Segmentation
- Title（参考訳）: CondSeg:条件付きセグメンテーションによる瞳孔と虹彩の楕円推定
- Authors: Zhuang Jia, Jiangfan Deng, Liying Chi, Xiang Long, Daniel K. Du,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 9.680930476240674
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Parsing of eye components (i.e. pupil, iris and sclera) is fundamental for eye tracking and gaze estimation for AR/VR products. Mainstream approaches tackle this problem as a multi-class segmentation task, providing only visible part of pupil/iris, other methods regress elliptical parameters using human-annotated full pupil/iris parameters. In this paper, we consider two priors: projected full pupil/iris circle can be modelled with ellipses (ellipse prior), and the visibility of pupil/iris is controlled by openness of eye-region (condition prior), and design a novel method CondSeg to estimate elliptical parameters of pupil/iris directly from segmentation labels, without explicitly annotating full ellipses, and use eye-region mask to control the visibility of estimated pupil/iris ellipses. Conditioned segmentation loss is used to optimize the parameters by transforming parameterized ellipses into pixel-wise soft masks in a differentiable way. Our method is tested on public datasets (OpenEDS-2019/-2020) and shows competitive results on segmentation metrics, and provides accurate elliptical parameters for further applications of eye tracking simultaneously.
- Abstract（参考訳）: 眼球成分(瞳孔,虹彩,硬化など)のパーシングは,AR/VR製品に対する視線追跡および視線推定の基礎となる。
メインストリームアプローチは、この問題をマルチクラスセグメンテーションタスクとして取り組み、瞳孔の可視部分のみを提供する。
本稿では,全瞳孔円を楕円形(楕円形)にモデル化し,視線領域の開放性(条件前)によって瞳孔の視認性を制御し,全楕円形を明示的に注釈付けせず,視線領域の視認性を制御する新しい手法であるCondSegを設計する。
条件付きセグメンテーション損失は、パラメータ化された楕円を微分可能な方法で画素単位のソフトマスクに変換することでパラメータを最適化するために使用される。
提案手法は,公開データセット (OpenEDS-2019/-2020) 上でテストし, セグメンテーション指標の競争結果を示し, 視線追跡のさらなる適用のために正確な楕円パラメータを同時に提供する。
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) - LAC-Net: Linear-Fusion Attention-Guided Convolutional Network for Accurate Robotic Grasping Under the Occlusion [79.22197702626542]
本稿では, 乱れ場面におけるロボットグルーピングのためのアモーダルセグメンテーションを探求する枠組みを提案する。
線形融合注意誘導畳み込みネットワーク(LAC-Net)を提案する。
その結果,本手法が最先端の性能を達成できることが示唆された。
論文 参考訳（メタデータ） (2024-08-06T14:50:48Z) - EyePreserve: Identity-Preserving Iris Synthesis [8.973296574093506]
本稿では,アイリス画像の完全データ駆動型,アイデンティティ保存型,瞳孔径変化型合成法を提案する。
提案手法の直接的な応用は、(a)虹彩認識のための既存の生体計測データセットの合成、または強化、および(b)瞳孔拡張に有意な差がある虹彩画像対を調べるための法医学の専門家を支援することである。
論文 参考訳（メタデータ） (2023-12-19T10:29:29Z) - 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) - Artificial Pupil Dilation for Data Augmentation in Iris Semantic
Segmentation [0.0]
現代の虹彩認識のアプローチでは、深層学習を用いて虹彩の有効部分を眼の他の部分から切り離す。
本稿では,新しいデータ拡張手法を導入することにより,虹彩意味分節システムの精度を向上させることを目的とする。
論文 参考訳（メタデータ） (2022-12-24T13:31:56Z) - Experimental analysis regarding the influence of iris segmentation on
the recognition rate [64.02126624793775]
著者らは, 土台真実に基づくセグメンテーション精度が, 虹彩生体計測ツールチェーン全体の性能予測に有効かどうかを検討する。
論文 参考訳（メタデータ） (2022-11-10T11:59:51Z) - 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) - Compact multi-scale periocular recognition using SAFE features [63.48764893706088]
特徴拡張(SAFE)記述子による対称性評価に基づく眼周囲認識のための新しい手法を提案する。
我々は、スクレラ中心を特徴抽出の単一キーポイントとして使用し、眼のこの点に集中するオブジェクトのようなアイデンティティ特性を強調します。
論文 参考訳（メタデータ） (2022-10-18T11:46:38Z) - Toward Accurate and Reliable Iris Segmentation Using Uncertainty
Learning [96.72850130126294]
高精度で信頼性の高いアイリスセグメンテーションのためのアイリスU変換器(アイリスUsformer)を提案する。
IrisUsformerの精度向上のために,位置感応操作と再パッケージング変圧器ブロックを採用することで精巧に設計する。
IrisUsformer は SOTA IrisParseNet の 35% MAC を用いて, セグメンテーション精度の向上を図っている。
論文 参考訳（メタデータ） (2021-10-20T01:37:19Z) - Towards End-to-end Video-based Eye-Tracking [50.0630362419371]
画像のみから視線を推定することは、観察不可能な人固有の要因のために難しい課題である。
本稿では,これらの意味的関係と時間的関係を明確に学習することを目的とした,新しいデータセットとアタッチメント手法を提案する。
視覚刺激からの情報と視線画像の融合が,文献に記録された人物と同じような性能を達成することにつながることを実証した。
論文 参考訳（メタデータ） (2020-07-26T12:39:15Z) - EllSeg: An Ellipse Segmentation Framework for Robust Gaze Tracking [3.0448872422956432]
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。
論文 参考訳（メタデータ） (2020-07-19T06:13:01Z)
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。