論文の概要: Pose-Robust Calibration Strategy for Point-of-Gaze Estimation on Mobile Phones

• arxiv url: http://arxiv.org/abs/2508.10268v1
• Date: Thu, 14 Aug 2025 01:28:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.152373
• Title: Pose-Robust Calibration Strategy for Point-of-Gaze Estimation on Mobile Phones
• Title（参考訳）: 携帯電話における点数推定のためのポス・ロバスト校正戦略
• Authors: Yujie Zhao, Jiabei Zeng, Shiguang Shan,
• Abstract要約: キャリブレーション点と頭部の多様性が推定精度に与える影響を分析する。 実験により、キャリブレーション中により広い範囲の頭部ポーズを導入することで、推定器がポーズ変動を処理する能力を向上させることが示されている。 携帯電話を移動しながらキャリブレーションポイントを固定する動的キャリブレーション戦略を提案する。
• 参考スコア（独自算出の注目度）: 52.87468614536999
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although appearance-based point-of-gaze (PoG) estimation has improved, the estimators still struggle to generalize across individuals due to personal differences. Therefore, person-specific calibration is required for accurate PoG estimation. However, calibrated PoG estimators are often sensitive to head pose variations. To address this, we investigate the key factors influencing calibrated estimators and explore pose-robust calibration strategies. Specifically, we first construct a benchmark, MobilePoG, which includes facial images from 32 individuals focusing on designated points under either fixed or continuously changing head poses. Using this benchmark, we systematically analyze how the diversity of calibration points and head poses influences estimation accuracy. Our experiments show that introducing a wider range of head poses during calibration improves the estimator's ability to handle pose variation. Building on this insight, we propose a dynamic calibration strategy in which users fixate on calibration points while moving their phones. This strategy naturally introduces head pose variation during a user-friendly and efficient calibration process, ultimately producing a better calibrated PoG estimator that is less sensitive to head pose variations than those using conventional calibration strategies. Codes and datasets are available at our project page.
• Abstract（参考訳）: 外観に基づく視点推定(PoG)は改善されているが、個人差により個人全体の一般化に苦慮している。 したがって、正確なPoG推定には個人別校正が必要である。 しかし、キャリブレーションされたPoG推定器は、しばしば頭部ポーズの変化に敏感である。 そこで本研究では,キャリブレーション推定器に影響を及ぼす要因について検討し,ポーズ・ロバスト・キャリブレーション戦略について検討する。 具体的には、まず、固定または連続的に変化する頭部ポーズに基づいて、指定された点に焦点を当てた32人の顔画像を含む、MobilePoGというベンチマークを構築した。 このベンチマークを用いて,キャリブレーション点と頭部の多様性が推定精度に与える影響を系統的に解析した。 実験の結果,キャリブレーション中により広い範囲の頭部ポーズを導入することにより,ポーズの変動に対処できる推定器の能力が向上することが示唆された。 この知見に基づいて,携帯電話を移動しながらキャリブレーションポイントを固定する動的キャリブレーション戦略を提案する。 この戦略は、ユーザフレンドリで効率的なキャリブレーションプロセスにおける頭部ポーズの変動を自然に導入し、最終的に従来のキャリブレーション戦略に比べて頭部ポーズの変動に敏感でない、より優れたキャリブレーションされたPoG推定器を生成する。 コードとデータセットはプロジェクトのページで公開されています。

関連論文リスト

• Understanding Model Calibration -- A gentle introduction and visual exploration of calibration and the expected calibration error (ECE) [0.0]
  このブログ記事では、キャリブレーションの最もよく使われる定義を見ていきます。 次に、この尺度の欠点と、これらがどのようにキャリブレーションのさらなる概念の必要性を表面化したかを取り上げる。
  論文  参考訳（メタデータ） (2025-01-31T11:18:45Z)
• UniCal: Unified Neural Sensor Calibration [32.7372115947273]
  自動運転車(SDV)には、LiDARとカメラの正確な校正が必要である。 従来のキャリブレーション手法では、制御され構造化されたシーンでキャプチャされたフィデューシャルを利用し、処理を最適化するために対応を計算する。 我々は、複数のLiDARとカメラを備えたSDVを強制的に校正する統合フレームワークUniCalを提案する。
  論文  参考訳（メタデータ） (2024-09-27T17:56:04Z)
• Kalib: Easy Hand-Eye Calibration with Reference Point Tracking [52.4190876409222]
  カリブ (Kalib) は、視覚基礎モデルの一般化性を利用して課題を克服する手眼自動校正法である。 校正中は、ロボットの後ろの空間内のカメラ座標3D座標に運動基準点を追跡する。 Kalibのユーザフレンドリな設計と最小限のセットアップ要件により、非構造化環境での継続的操作のソリューションとなり得る。
  論文  参考訳（メタデータ） (2024-08-20T06:03:40Z)
• Calibration by Distribution Matching: Trainable Kernel Calibration Metrics [56.629245030893685]
  カーネルベースのキャリブレーションメトリクスを導入し、分類と回帰の両方で一般的なキャリブレーションの形式を統一・一般化する。 これらの指標は、異なるサンプル推定を許容しており、キャリブレーションの目的を経験的リスク最小化に組み込むのが容易である。 決定タスクにキャリブレーションメトリクスを調整し、正確な損失推定を行ない、後悔しない決定を行うための直感的なメカニズムを提供する。
  論文  参考訳（メタデータ） (2023-10-31T06:19:40Z)
• On Calibrating Semantic Segmentation Models: Analyses and An Algorithm [51.85289816613351]
  セマンティックセグメンテーションキャリブレーションの問題について検討する。 モデルキャパシティ、作物サイズ、マルチスケールテスト、予測精度はキャリブレーションに影響を及ぼす。 我々は、単純で統一的で効果的なアプローチ、すなわち選択的スケーリングを提案する。
  論文  参考訳（メタデータ） (2022-12-22T22:05:16Z)
• A Closer Look at the Calibration of Differentially Private Learners [33.715727551832785]
  差分プライベート降下勾配(DP-SGD)を訓練した分類器の校正について検討する。 本分析では,DP-SGDの勾配クリッピングを誤校正の原因として同定した。 温度スケーリングやプラットスケーリングといった後処理キャリブレーション手法の個人差が驚くほど有効であることを示す。
  論文  参考訳（メタデータ） (2022-10-15T10:16:18Z)
• Online Marker-free Extrinsic Camera Calibration using Person Keypoint Detections [25.393382192511716]
  本稿では,複数のスマートエッジセンサの外部校正のためのマーカーレスオンライン手法を提案する。 本手法では,固有カメラパラメータを推定し,カメラのポーズの粗い初期推定値でプライマーを推定する。 本手法による校正は,オフライン手法による基準校正よりも低い再投影誤差が得られることを示す。
  論文  参考訳（メタデータ） (2022-09-15T15:54:21Z)
• Localized Calibration: Metrics and Recalibration [133.07044916594361]
  完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。 次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
  論文  参考訳（メタデータ） (2021-02-22T07:22:12Z)
• Camera Calibration with Pose Guidance [1.0152838128195465]
  カメラキャリブレーションは、自動運転や拡張現実など、さまざまなコンピュータビジョンタスクで重要な役割を果たします。 Pose Guidanceと呼ばれるキャリブレーションシステムを提案し、キャリブレーションの精度を向上させ、異なるユーザー間のキャリブレーションのばらつきを減らしたり、同じ人の異なる試験を行います。
  論文  参考訳（メタデータ） (2021-02-19T23:23:54Z)
• Bottom-Up Human Pose Estimation by Ranking Heatmap-Guided Adaptive Keypoint Estimates [76.51095823248104]
  キーポイント検出とグループ化(キーポイント回帰)性能を改善するために,これまでにほとんど,あるいはまったく研究されていないいくつかのスキームを提案する。 まず,画素単位のキーポイントレグレッションに対して,キーポイントのリグレッションを改善するために分離する代わりに,キーポイントのヒートマップを利用する。 第2に、スケールと向きの分散を扱うための適応表現を学習するために、画素単位の空間変換器ネットワークを採用する。 第3に,真のポーズとなる確率の高い推定ポーズを促進するために,結合形状と熱値評価手法を提案する。
  論文  参考訳（メタデータ） (2020-06-28T01:14:59Z)

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。