論文の概要: Polarization-Based Eye Tracking with Personalized Siamese Architectures

• arxiv url: http://arxiv.org/abs/2603.25889v1
• Date: Thu, 26 Mar 2026 20:24:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.265252
• Title: Polarization-Based Eye Tracking with Personalized Siamese Architectures
• Title（参考訳）: パーソナライズされたシームズアーキテクチャによる偏光型アイトラッキング
• Authors: Beyza Kalkanli, Tom Bu, Mahsa Shakeri, Alexander Fix, Dave Stronks, Dmitri Model, Mantas Žurauskas,
• Abstract要約: 視線追跡と統合されたヘッドマウントデバイスは、人間とコンピュータの自然なインタラクションのソリューションを約束する。 シームズパーソナライゼーションは相対的な視線変位を学習し、小さなキャリブレーションフレームから絶対視線を再構築する。 シームズパーソナライズのための偏光入力を使用することで、近赤外線(NIR)ベースの入力と比較して視線誤差が最大12%減少する。
• 参考スコア（独自算出の注目度）: 33.79175433807951
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Head-mounted devices integrated with eye tracking promise a solution for natural human-computer interaction. However, they typically require per-user calibration for optimal performance due to inter-person variability. A differential personalization approach using Siamese architectures learns relative gaze displacements and reconstructs absolute gaze from a small set of calibration frames. In this paper, we benchmark Siamese personalization on polarization-enabled eye tracking. For benchmarking, we use a 338-subject dataset captured with a polarization-sensitive camera and 850 nm illumination. We achieve performance comparable to linear calibration with 10-fold fewer samples. Using polarization inputs for Siamese personalization reduces gaze error by up to 12% compared to near-infrared (NIR)-based inputs. Combining Siamese personalization with linear calibration yields further improvements of up to 13% over a linearly calibrated baseline. These results establish Siamese personalization as a practical approach enabling accurate eye tracking.
• Abstract（参考訳）: 視線追跡と統合されたヘッドマウントデバイスは、人間とコンピュータの自然なインタラクションのソリューションを約束する。 しかし、それらは通常、個人間のばらつきによる最適なパフォーマンスのためにユーザごとのキャリブレーションを必要とする。 シームズ・アーキテクチャを用いた微分パーソナライズ・アプローチは、相対的な視線変位を学習し、小さなキャリブレーション・フレームから絶対的な視線を再構築する。 本稿では、偏光対応眼球追跡におけるシームズパーソナライゼーションのベンチマークを行う。 ベンチマークには、偏光感度カメラと850nmの照明でキャプチャされた338オブジェクトのデータセットを使用する。 10倍少ないサンプルで線形キャリブレーションに匹敵する性能を実現する。 シームズパーソナライズのための偏光入力を使用することで、近赤外線(NIR)ベースの入力と比較して視線誤差が最大12%減少する。 シームズパーソナライゼーションと線形キャリブレーションを組み合わせることで、線形キャリブレーションベースラインよりも最大13%向上する。 これらの結果は、シームズパーソナライズを、正確な視線追跡を可能にする実践的なアプローチとして確立している。

関連論文リスト

• DST-Calib: A Dual-Path, Self-Supervised, Target-Free LiDAR-Camera Extrinsic Calibration Network [57.22935789233992]
  本稿では,オンライン方式で動作するLiDARカメラ外装キャリブレーションネットワークについて紹介する。 提案手法は,一般化可能性の観点から既存手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-01-03T13:57:01Z)
• Polarization-resolved imaging improves eye tracking [54.79296119759393]
  偏光対応眼球追跡システムは,角膜上の視線変化パターンと視線変化の追跡可能な特徴を明らかにする。 結果は,光偏光効果と人間のインタラクションにおける実用的利得とをリンクし,将来のウェアラブルデバイスにおいて,PETをシンプルで堅牢なセンシングモダリティとして位置づける。
  論文  参考訳（メタデータ） (2025-11-06T18:42:09Z)
• Targetless LiDAR-Camera Calibration with Neural Gaussian Splatting [28.41267004945046]
  本稿では,ニューラルベースガウス表現と協調してセンサポーズを最適化するTLC(Targetless LiDAR scene)を提案する。 光度および幾何正則化による完全微分可能なパイプラインは、ロバストで一般化可能なキャリブレーションを実現する。
  論文  参考訳（メタデータ） (2025-04-06T20:00:01Z)
• 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)
• On Diversified Preferences of Large Language Model Alignment [51.26149027399505]
  本稿では,様々な大きさの報酬モデルに対する実験スケーリング法則の定量的解析を行った。 分析の結果,ヒトの嗜好の多様化による影響は,モデルサイズとデータサイズの両方に依存することが明らかとなった。 十分なキャパシティを持つ大きなモデルでは、さまざまな好みによるネガティブな影響が軽減される一方、より小さなモデルはそれらに対応するのに苦労する。
  論文  参考訳（メタデータ） (2023-12-12T16:17:15Z)
• From Chaos to Calibration: A Geometric Mutual Information Approach to Target-Free Camera LiDAR Extrinsic Calibration [4.378156825150505]
  そこで本研究では,根拠となる真理学習データを必要としない目標外キャリブレーションアルゴリズムを提案する。 我々は,KITTI と KITTI-360 の魚眼データセットを用いた改良を行った。
  論文  参考訳（メタデータ） (2023-11-03T13:30:31Z)
• Recalibrating the KITTI Dataset Camera Setup for Improved Odometry Accuracy [3.3517146652431378]
  我々は,KITTIデータセットの1ショットキャリブレーションのための新しいアプローチを提案する。 この手法は、低い校正再投射誤差と低い視覚計測誤差の両方において、より良い校正パラメータをもたらす。 オードメトリであるSOFT2とキャリブレーション法を併用して,公式のKITTIスコアボードにおいて高い精度を実現した。
  論文  参考訳（メタデータ） (2021-09-08T07:18:59Z)
• How to Calibrate Your Event Camera [58.80418612800161]
  画像再構成を用いた汎用イベントカメラキャリブレーションフレームワークを提案する。 ニューラルネットワークに基づく画像再構成は,イベントカメラの内在的・外在的キャリブレーションに適していることを示す。
  論文  参考訳（メタデータ） (2021-05-26T07:06:58Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)

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。