論文の概要: AmbientEye: A Dataset for Pupil Segmentation under Natural Ambient Infrared Illumination

• arxiv url: http://arxiv.org/abs/2606.03774v1
• Date: Tue, 02 Jun 2026 15:28:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.106256
• Title: AmbientEye: A Dataset for Pupil Segmentation under Natural Ambient Infrared Illumination
• Title（参考訳）: AmbientEye: 自然の外赤外照明下での瞳孔分割のためのデータセット
• Authors: Mingyu Han, Hyunyoung Han, Nitheekulawatn Thommakoon, Gangtae Park, Jieun Han, Xucong Zhang, Ian Oakley,
• Abstract要約: AmbientEyeは、19カ国の35人の参加者から収集された2,606,225個の目画像の大規模なデータセットである。 自然の日光の下で屋外に撮影され、2つのオフ軸カメラ構成と2つの日向条件で撮影される。 我々は、我々のデータセット上で最先端の瞳孔分割アルゴリズムをベンチマークし、その性能を制御された赤外線照明下で既存のデータセットと比較する。
• 参考スコア（独自算出の注目度）: 16.43657325247505
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Eye tracking is essential for smart glasses, as it provides insight into user attention for ambient intelligence applications. However, most existing eye-tracking systems rely on active infrared (IR) illumination, creating practical barriers to all-day outdoor use due to power consumption. In this paper, we investigate whether passive IR cameras alone, without any active IR light source, can enable reliable pupil detection in unconstrained outdoor environments, where ambient sunlight serves as the sole illumination source. To support this investigation, we introduce AmbientEye, a large-scale dataset of 2,606,225 eye images collected from 35 participants from 19 countries. It is captured outdoors under natural sunlight with two off-axis camera configurations and two sun-orientation conditions. We provide high-quality pupil annotation through SAM2 automatic segmentation, followed by refinement by human annotators. We benchmark a state-of-the-art pupil segmentation algorithm on our dataset and compare its performance with that on existing datasets under controlled IR illumination. Results reveal a substantial drop in pupil segmentation performance from 0.928 on controlled IR datasets to 0.767 on AmbientEye. This performance gap highlights the challenge of the ambient-light setting. This positions AmbientEye as a first benchmark for an unexplored and highly practical eye-tracking scenario.
• Abstract（参考訳）: 視線追跡は、周囲のインテリジェンスアプリケーションに対するユーザの注意力に関する洞察を提供するため、スマートグラスにとって不可欠である。 しかし、既存の視線追跡システムはアクティブ赤外線(IR)照明に依存しており、電力消費により一日中屋外使用の障壁となる。 本稿では, 能動赤外線光源のない受動赤外線カメラだけで, 環境光が唯一の光源となる非拘束屋外環境において, 信頼性の高い瞳孔検出が可能かどうかを検討する。 この調査を支援するために、19カ国の35人の参加者から収集された2,606,225個の眼画像からなる大規模なデータセットであるAmbientEyeを紹介した。 自然の日光の下で屋外に撮影され、2つのオフ軸カメラ構成と2つの日向条件で撮影される。 我々はSAM2自動セグメンテーションにより高品質な瞳孔アノテーションを提供し,続いてヒトアノテータによる改良を行った。 我々は、我々のデータセット上で最先端の瞳孔分割アルゴリズムをベンチマークし、その性能を制御された赤外線照明下で既存のデータセットと比較する。 その結果、制御されたIRデータセットの0.928からAmbientEyeの0.767までの瞳孔セグメンテーション性能が大幅に低下した。 このパフォーマンスギャップは、環境光設定の課題を強調します。 これにより、AmbientEyeは、未調査で非常に実用的な視線追跡シナリオの最初のベンチマークとして位置づけられる。

関連論文リスト

• Scene Text Detection and Recognition "in light of" Challenging Environmental Conditions using Aria Glasses Egocentric Vision Cameras [0.7366405857677226]
  Scene Text Detection and Recognition (STDR) は、自我中心の視覚レンズを通じて簡単に選択できる。 本稿では, 現実シナリオにおけるSTDRアルゴリズムの性能に, 照明, 距離, 解像度などの環境変数がどのような影響を及ぼすかを検討する。
  論文  参考訳（メタデータ） (2025-07-22T08:12:00Z)
• MineInsight: A Multi-sensor Dataset for Humanitarian Demining Robotics in Off-Road Environments [0.5339846068056558]
  我々は,地雷検出のためのマルチセンサ,マルチスペクトルデータセットであるMineInsightを紹介した。 データセットには3つの異なるトラックに沿って分散された35の異なるターゲットがあり、多様で現実的なテスト環境を提供する。 MineInsightは地雷検出アルゴリズムの開発と評価のベンチマークとして機能する。
  論文  参考訳（メタデータ） (2025-06-05T10:08:24Z)
• Camera-Only Bird's Eye View Perception: A Neural Approach to LiDAR-Free Environmental Mapping for Autonomous Vehicles [0.0]
  本稿では,Lft-Splat-Shootアーキテクチャを拡張して,Bird's Eye View (BEV)マップを生成するカメラのみの認識フレームワークを提案する。 本手法は, YOLOv11に基づく物体検出とDepthAnythingV2単眼深度推定とを組み合わせて, 総合的な360度映像理解を実現する。
  論文  参考訳（メタデータ） (2025-05-09T15:13:04Z)
• R-LiViT: A LiDAR-Visual-Thermal Dataset Enabling Vulnerable Road User Focused Roadside Perception [1.0602247913671219]
  R-LiViTは、LiDAR、RGB、サーマルイメージングを道路面から組み合わせた最初のデータセットである。 1万のLiDARフレームと2,400の時間的および空間的に整列されたRGBと熱画像が150の交通シナリオにまたがっている。
  論文  参考訳（メタデータ） (2025-03-21T13:17:28Z)
• LanEvil: Benchmarking the Robustness of Lane Detection to Environmental Illusions [61.87108000328186]
  レーン検出(LD)は自律走行システムにおいて不可欠な要素であり、適応型クルーズ制御や自動車線センターなどの基本的な機能を提供している。 既存のLDベンチマークは主に、環境錯覚に対するLDモデルの堅牢性を無視し、一般的なケースを評価することに焦点を当てている。 本稿では、LDに対する環境錯覚による潜在的な脅威について検討し、LanEvilの最初の総合ベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-06-03T02:12:27Z)
• Enhancing Low-Light Images Using Infrared-Encoded Images [81.8710581927427]
  従来の芸術は、主にピクセルワイド・ロスを用いて可視光スペクトルで捉えた低照度画像に焦点を当てていた。 我々は,赤外線カットオフフィルタを除去することにより,低照度環境下で撮影された画像の可視性を高める新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-07-09T08:29:19Z)
• Neural Light Field Estimation for Street Scenes with Differentiable Virtual Object Insertion [129.52943959497665]
  既存の屋外照明推定の作業は通常、シーン照明を環境マップに単純化する。 単一画像から5次元HDR光場を推定するニューラルネットワークを提案する。 自律運転アプリケーションにおけるARオブジェクト挿入の利点を示す。
  論文  参考訳（メタデータ） (2022-08-19T17:59:16Z)
• Spatially-Varying Outdoor Lighting Estimation from Intrinsics [66.04683041837784]
  本稿では,空間変動型屋外照明推定のためのニューラルネットワークSOLID-Netを提案する。 グローバルスカイ環境マップとワープ画像情報を組み合わせて,空間変動する局所照明環境マップを生成する。 合成データセットと実データセットの両方の実験は、SOLID-Netが以前の方法を大幅に上回っていることを示しています。
  論文  参考訳（メタデータ） (2021-04-09T02:28:54Z)
• LIGHTS: LIGHT Specularity Dataset for specular detection in Multi-view [12.612981566441908]
  本研究では,新たな物理ベースレンダリングされたLIGHT Specularity(SLIGHT)データセットを提案する。 私たちのデータセットは、各シーンが複数のビューでレンダリングされる18の高品質の建築シーンで構成されています。 合計で2,603のビューがあり、1シーンあたり平均145のビューがあります。
  論文  参考訳（メタデータ） (2021-01-26T13:26:49Z)

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。