Fugu-MT 論文翻訳(概要): Robust Iris Centre Localisation for Assistive Eye-Gaze Tracking

論文の概要: Robust Iris Centre Localisation for Assistive Eye-Gaze Tracking

arxiv url: http://arxiv.org/abs/2411.04912v1
Date: Thu, 07 Nov 2024 17:51:28 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-08 19:38:29.636738
Title: Robust Iris Centre Localisation for Assistive Eye-Gaze Tracking
Title（参考訳）: 補助的視線追跡のためのロバストアイリス中心位置定位
Authors: Nipun Sandamal Ranasekara Pathiranage, Stefania Cristina, Kenneth P. Camilleri,
Abstract要約: アイリス中心の局所化を改善するためのセグメンテーションベースおよび回帰ベースアプローチに対するU-Net変種の適用について検討する。得られた結果は最先端技術に匹敵するものであり、われわれの視線追跡プラットフォームのリアルタイムパフォーマンスを犠牲にしない。
参考スコア（独自算出の注目度）: 2.784896870211286
License:
Abstract: In this research work, we address the problem of robust iris centre localisation in unconstrained conditions as a core component of our eye-gaze tracking platform. We investigate the application of U-Net variants for segmentation-based and regression-based approaches to improve our iris centre localisation, which was previously based on Bayes' classification. The achieved results are comparable to or better than the state-of-the-art, offering a drastic improvement over those achieved by the Bayes' classifier, and without sacrificing the real-time performance of our eye-gaze tracking platform.
Abstract（参考訳）: 本研究では,眼球運動追跡プラットフォームのコアコンポーネントとして,制約のない条件下での堅牢な虹彩中心位置決めの問題に対処する。ベイズ分類に基づく虹彩中心の局所化を改善するためのセグメンテーションベースおよび回帰ベースアプローチへのU-Net変種の適用について検討した。得られた結果は最先端技術と同等かそれ以上で、ベイズ分類器によって達成されたものよりも大幅に改善され、我々の視線追跡プラットフォームのリアルタイムパフォーマンスを犠牲にすることなく実現される。

関連論文リスト

Improving Point-based Crowd Counting and Localization Based on Auxiliary Point Guidance [59.71186244597394]
本稿では,提案手法における提案対象マッチングの安定化に有効な手法を提案する。本稿では,提案手法の選択と最適化のために,Auxiliary Point Guidance (APG)を提案する。また,多様な群集シナリオにおける適応的特徴抽出を可能にするために,IFI(Implicit Feature Interpolation)を開発した。
論文参考訳（メタデータ） (2024-05-17T07:23:27Z)
On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。本稿では,密集市街地における局所化問題について検討する。まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
論文参考訳（メタデータ） (2022-11-28T00:31:02Z)
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)
Gait Recognition in the Wild: A Large-scale Benchmark and NAS-based Baseline [95.88825497452716]
歩行ベンチマークにより、研究コミュニティは高性能歩行認識システムの訓練と評価を行うことができる。 GREWは、野生における歩行認識のための最初の大規模データセットである。 SPOSGaitはNASベースの最初の歩行認識モデルである。
論文参考訳（メタデータ） (2022-05-05T14:57:39Z)
Point-Level Region Contrast for Object Detection Pre-Training [147.47349344401806]
本稿では,物体検出作業のための自己教師付き事前学習手法である点レベル領域コントラストを提案する。提案手法は,異なる領域から個々の点対を直接抽出することにより,コントラスト学習を行う。領域ごとの集約表現と比較すると,入力領域の品質の変化に対して,我々のアプローチはより堅牢である。
論文参考訳（メタデータ） (2022-02-09T18:56:41Z)
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)
Probabilistic Visual Place Recognition for Hierarchical Localization [22.703331060822862]
視覚的位置認識に用いる画像検索手法をベイズ状態推定法に適応させる2つの手法を提案する。本手法を用いて粗局在化ステージの局在化精度を大幅に向上させ、厳しい外観変化下における最新性能を保ちます。
論文参考訳（メタデータ） (2021-05-07T07:39:14Z)
Active Visual Localization in Partially Calibrated Environments [35.48595012305253]
人間は、目立った視覚的な手がかりやランドマークに追われて地図を使わずに、自分自身をしっかりとローカライズすることができる。この研究では、自律エージェントを同じ能力でエンドウイングすることを目指している。このような能力はロボットアプリケーションにおいて重要であるが、エージェントが部分的に調整された環境に晒される場合、非常に困難である。合成データと実データの両方で構成された屋内シーンデータセットACR-6を提案し、アクティブビジュアルローカリゼーションのための困難なシナリオをシミュレートします。
論文参考訳（メタデータ） (2020-12-08T08:00:55Z)
CRACT: Cascaded Regression-Align-Classification for Robust Visual Tracking [97.84109669027225]
改良された提案改良モジュールCascaded Regression-Align- Classification (CRAC)を導入する。 CRACは多くのベンチマークで最先端のパフォーマンスを得る。 OTB-2015、UAV123、NfS、VOT-2018、TrackingNet、GOT-10k、LaSOTを含む7つのベンチマークの実験において、我々のCRACTは最先端の競合他社と比較して非常に有望な結果を示している。
論文参考訳（メタデータ） (2020-11-25T02:18:33Z)
Features for Ground Texture Based Localization -- A Survey [12.160708336715489]
特徴量に基づく地盤テクスチャに基づく車両位置決めは,インフラストラクチャフリーな高精度な位置決めを実現する上で有望な手法である。本研究は,画像ペアと合成変換を別々に行い,利用可能な特徴抽出手法を初めて広範囲に評価するものである。我々は、AkaZE、SURF、CenSurEを最高のキーポイント検出器として同定し、CenSurEとORB、BRIEF、LATCHの特徴記述子をペアリングして、インクリメンタルなローカライゼーションで最大の成功率を達成する。
論文参考訳（メタデータ） (2020-02-27T07:25:41Z)

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。