論文の概要: AA: A Multi-view Multimodal Dataset for Screen-based Gaze Estimation
- arxiv url: http://arxiv.org/abs/2606.31211v1
- Date: Tue, 30 Jun 2026 06:47:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.106595
- Title: AA: A Multi-view Multimodal Dataset for Screen-based Gaze Estimation
- Title（参考訳）: AA:スクリーンベースの視線推定のためのマルチビューマルチモーダルデータセット
- Abstract要約: 画面ベース視線推定のためのマルチビューマルチモーダルデータセットであるAAを提案する。
このデータセットは、固定された8つのスクリーンマウントカメラと2つのサイドビューカメラから、顔の同時観察をキャプチャする。
各サンプルには、多視点顔観察と、構造化された顔領域の作物が含まれており、グローバルとローカルの両方の視覚的手がかりからマルチモーダルな学習を可能にする。
- 参考スコア（独自算出の注目度）: 32.96367255100354
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present AA, a multi-view multimodal dataset for screen-based gaze estimation. The dataset captures synchronized facial observations from eight fixed screen-mounted cameras and two additional side-view cameras, paired with precise screen-space gaze targets collected under controlled fixation conditions. Each sample contains multi-view face observations together with structured facial region crops, enabling multimodal learning from both global and local visual cues. Unlike existing single-view gaze datasets, AA provides multi-view coverage from both screen-mounted and side-mounted perspectives, enabling more robust modeling under viewpoint variation and occlusion. The dataset includes subject-independent evaluation splits and a standardized data processing pipeline to support reproducible research in gaze estimation.
- Abstract（参考訳）: 画面ベース視線推定のためのマルチビューマルチモーダルデータセットであるAAを提案する。
このデータセットは、固定された8つのスクリーンマウントカメラと2つのサイドビューカメラから同期された顔の観察をキャプチャし、制御された固定条件下で収集された正確なスクリーン空間の視線ターゲットと組み合わせる。
各サンプルには、多視点顔観察と、構造化された顔領域の作物が含まれており、グローバルとローカルの両方の視覚的手がかりからマルチモーダルな学習を可能にする。
既存のシングルビューの視線データセットとは異なり、AAはスクリーンマウントとサイドマウントの両方の視点から多視点のカバレッジを提供し、視点の変化と閉塞の下でより堅牢なモデリングを可能にする。
このデータセットは、被写体に依存しない評価分割と、視線推定における再現可能な研究をサポートする標準化されたデータ処理パイプラインを含む。
関連論文リスト
- MultiView-Bench: A Diagnostic Benchmark for World-Centric Multi-View Integration in VLMs [40.317798580235]
VLMの最近のベンチマークは、単一の視点または限られた視点の知覚を主に評価し、視点をまたいだ観察を一貫性のある世界中心の(偏心的な)3Dメンタルモデルに統合するコア認知能力を未検証のまま残している。
我々は,総合的な3Dシーン理解のためのマルチビュー統合を評価するための診断ベンチマークであるMultiView-Benchを紹介する。
情報的視点を積極的に選択し、知覚し、多視点エビデンスを融合するマルチエージェントフレームワークであるViewNavigatorを提案する。
論文 参考訳（メタデータ） (2026-07-09T22:22:42Z) - PicoEyes: Unified Gaze Estimation Framework for Mixed Reality with a Large-Scale Multi-View Dataset [1.7596293300635233]
PicoEyesは、視線のすべての重要な特性を直接予測する統合された視線推定フレームワークである。
キャリブレーション、視線予測、さまざまなデバイス姿勢を同時に処理する。
眼のパラメータと深度マップをエンドツーエンドで共同で推定することで、三次元眼の再構成をサポートする。
論文 参考訳（メタデータ） (2026-05-08T03:34:09Z) - Unsupervised Multi-View Visual Anomaly Detection via Progressive Homography-Guided Alignment [14.782512101141016]
多視点画像からの教師なし視覚異常検出は重要な課題である。
ViewSense-AD (VSAD) は、ビュー間の幾何学的一貫性を明示的にモデル化することで、視点不変表現を学習する。
拡散モデルから得られた多レベル特徴を、通常のプロトタイプの学習メモリバンクと比較することにより異常検出を行う。
論文 参考訳（メタデータ） (2025-11-24T05:01:16Z) - Multi-LVI-SAM: A Robust LiDAR-Visual-Inertial Odometry for Multiple Fisheye Cameras [24.95534498798919]
マルチカメラLiDAR-visual-inertial odometryフレームワークであるMulti-LVI-SAMを提案する。
複数の魚眼カメラからの視覚情報の効率よく一貫した統合を実現するため,パノラマ画像特徴モデルを導入し,マルチカメラ観測を単一の表現に統一する。
論文 参考訳（メタデータ） (2025-09-06T15:06:55Z) - Multi-view Gaze Target Estimation [42.72151752119855]
本稿では,視線目標推定(GTE)タスクに複数のカメラビューを利用する手法を提案する。
このアプローチは、さまざまなカメラビューの情報を統合して、精度を改善し、適用性を高める。
本稿では,多視点GTE手法の開発と評価のための多視点データセットを提案する。
論文 参考訳（メタデータ） (2025-08-07T21:15:15Z) - Balanced Multi-view Clustering [56.17836963920012]
マルチビュークラスタリング(MvC)は、さまざまなビューからの情報を統合して、基盤となるデータ構造をキャプチャするモデルの能力を高めることを目的としている。
MvCで広く使われているジョイントトレーニングパラダイムは、多視点情報を十分に活用していない可能性がある。
本稿では,ビュー固有のコントラスト正規化(VCR)を導入し,各ビューの最適化を最適化する新しいマルチビュークラスタリング(BMvC)手法を提案する。
論文 参考訳（メタデータ） (2025-01-05T14:42:47Z) - Freeview Sketching: View-Aware Fine-Grained Sketch-Based Image Retrieval [85.73149096516543]
微細スケッチベース画像検索(FG-SBIR)におけるスケッチ作成時の視点選択について検討する。
パイロットスタディでは、クエリスケッチがターゲットインスタンスと異なる場合、システムの苦労を強調している。
これを解決するために、ビューに依存しないタスクとビュー固有のタスクの両方をシームレスに収容するビューアウェアシステムを提案する。
論文 参考訳（メタデータ） (2024-07-01T21:20:44Z) - Multi-Spectral Image Stitching via Spatial Graph Reasoning [52.27796682972484]
空間グラフ推論に基づくマルチスペクトル画像縫合法を提案する。
同一のビュー位置から複数スケールの補完機能をノードに埋め込む。
空間的・チャネル的次元に沿った長距離コヒーレンスを導入することにより、画素関係の相補性とチャネル相互依存性は、整列したマルチビュー特徴の再構築に寄与する。
論文 参考訳（メタデータ） (2023-07-31T15:04:52Z) - Learning to Fuse Monocular and Multi-view Cues for Multi-frame Depth
Estimation in Dynamic Scenes [51.20150148066458]
一般化されたマスクを必要とせず,ボリュームとして符号化された多視点と単眼のキューを融合させる新しい手法を提案する。
実世界のデータセットを用いた実験は,提案手法の有効性と性能を実証する。
論文 参考訳（メタデータ） (2023-04-18T13:55:24Z) - Deep Incomplete Multi-view Clustering with Cross-view Partial Sample and
Prototype Alignment [50.82982601256481]
深層不完全なマルチビュークラスタリングのためのクロスビュー部分サンプルとプロトタイプアライメントネットワーク(CPSPAN)を提案する。
従来のコントラストベースの手法とは異なり、インスタンスとインスタンスの対応構築を導くために、ペア観測データアライメントを「プロキシ監視信号」として採用する。
論文 参考訳（メタデータ） (2023-03-28T02:31:57Z) - Generative Partial Multi-View Clustering [133.36721417531734]
本稿では,不完全なマルチビュー問題に対処するため,GP-MVCと呼ばれる生成的部分的マルチビュークラスタリングモデルを提案する。
まず、マルチビューエンコーダネットワークをトレーニングして、一般的な低次元表現を学習し、次にクラスタリング層を使用して複数のビューをまたいだ一貫したクラスタ構造をキャプチャする。
第2に、他のビューが与える共有表現に基づいて、1つのビュー条件の欠落データを生成するために、ビュー固有の生成敵ネットワークを開発する。
論文 参考訳（メタデータ） (2020-03-29T17:48:27Z)
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。