論文の概要: Marker-free eye-gaze estimation using a single image and depth from defocus

• arxiv url: http://arxiv.org/abs/2609.09610v1
• Date: Wed, 09 Sep 2026 02:07:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.86984
• Title: Marker-free eye-gaze estimation using a single image and depth from defocus
• Title（参考訳）: 単一画像とデフォーカスからの深度を用いたマーカフリーアイゲイズ推定
• Abstract要約: 本稿では,ノートパソコンのウェブカメラなど,単一の2Dカメラを用いたマーカーフリー眼球運動推定手法を提案する。 視線関連特徴を虹彩の局在から推定し,デフォーカスから深度を用いて頭部ポーズを推定した。
• 参考スコア（独自算出の注目度）: 2.099922236065961
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a marker-free eye-gaze estimation approach using a single 2D camera, such as an integrated laptop webcam. The gaze-related features are estimated from iris localization and head pose estimated by using depth from defocus. A variational Bayesian multinomial logistic regression framework is used as mapping from the estimated features to the position of regard, based on an 8-dimensional feature vector of head-pose and iris-displacement parameters. No external marker is needed. Experiments were conducted by estimating the gaze of people watching a computer screen at different distances and compared against five existing methods. The obtained scores demonstrate the effectiveness of the proposed approach.
• Abstract（参考訳）: 本稿では,ノートパソコンのウェブカメラなど,単一の2Dカメラを用いたマーカーフリー眼球運動推定手法を提案する。 視線関連特徴を虹彩の局在から推定し,デフォーカスから深度を用いて頭部ポーズを推定した。 頭部および虹彩変位パラメータの8次元特徴ベクトルに基づいて推定特徴から考慮位置へのマッピングとして,変分ベイズ多相ロジスティック回帰フレームワークを用いる。 外部マーカーは不要。 実験では、異なる距離でコンピューター画面を見ている人々の視線を推定し、既存の5つの方法と比較した。 得られたスコアは,提案手法の有効性を示す。

関連論文リスト

• Kaleidoscopic Background Attack: Disrupting Pose Estimation with Multi-Fold Radial Symmetry Textures [15.77025309547241]
  我々はKBA (Kleidoscopic background Attack) を導入し, 同一セグメントを用いてマルチフォールド・ラジアル対称性の円盤を形成する。 これらのディスクは異なる視点で高い類似性を維持しており、ポーズ推定モデルに対する効果的な攻撃を可能にしている。 実験結果から、最適化された対向背景は、様々なカメラポーズ推定モデルに効果的に攻撃できることが示された。
  論文  参考訳（メタデータ） (2025-07-14T13:37:31Z)
• Depth Estimation Based on 3D Gaussian Splatting Siamese Defocus [14.354405484663285]
  本稿では,3次元幾何学における深さ推定のための3次元ガウススプラッティングとシームズネットワークに基づく自己教師型フレームワークを提案する。 提案したフレームワークは、人工的に合成されたデータセットと実際のぼやけたデータセットの両方で検証されている。
  論文  参考訳（メタデータ） (2024-09-18T21:36:37Z)
• SRPose: Two-view Relative Pose Estimation with Sparse Keypoints [51.49105161103385]
  SRPoseは、カメラ・トゥ・ワールドおよびオブジェクト・トゥ・カメラシナリオにおける2ビュー相対ポーズ推定のためのスパースキーポイントベースのフレームワークである。 精度と速度の点で最先端の手法と比較して、競争力や優れた性能を達成する。 さまざまな画像サイズやカメラ固有の機能に対して堅牢であり、低コンピューティングリソースでデプロイすることができる。
  論文  参考訳（メタデータ） (2024-07-11T05:46:35Z)
• RGB-based Category-level Object Pose Estimation via Decoupled Metric Scale Recovery [72.13154206106259]
  本研究では、6次元のポーズとサイズ推定を分離し、不完全なスケールが剛性変換に与える影響を緩和するパイプラインを提案する。 具体的には,事前学習した単分子推定器を用いて局所的な幾何学的情報を抽出する。 別個のブランチは、カテゴリレベルの統計に基づいてオブジェクトのメートル法スケールを直接復元するように設計されている。
  論文  参考訳（メタデータ） (2023-09-19T02:20:26Z)
• Spatio-Visual Fusion-Based Person Re-Identification for Overhead Fisheye Images [15.97384647998813]
  個人再識別(PRID)は、典型的な監視シナリオにおいて徹底的に研究されている。 魚眼PRIDのための多機能フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T04:21:34Z)
• Compact multi-scale periocular recognition using SAFE features [63.48764893706088]
  特徴拡張(SAFE)記述子による対称性評価に基づく眼周囲認識のための新しい手法を提案する。 我々は、スクレラ中心を特徴抽出の単一キーポイントとして使用し、眼のこの点に集中するオブジェクトのようなアイデンティティ特性を強調します。
  論文  参考訳（メタデータ） (2022-10-18T11:46:38Z)
• A Dynamic Keypoints Selection Network for 6DoF Pose Estimation [0.0]
  6 DoF は2つの座標間の回転と変換のパラメータを推定することを目的とした推定問題である。 単一のRGBD画像から6DoFポーズ推定のために設計された動的キーポイント選択に基づく新しいディープニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-10-24T09:58:56Z)
• Bayesian Eye Tracking [63.21413628808946]
  モデルに基づく視線追跡は、目の特徴検出エラーの影響を受けやすい。 モデルベースアイトラッキングのためのベイズフレームワークを提案する。 提案手法は,最先端のモデルベースおよび学習ベースの手法と比較して,一般化能力の大幅な向上を示す。
  論文  参考訳（メタデータ） (2021-06-25T02:08:03Z)
• DeepI2P: Image-to-Point Cloud Registration via Deep Classification [71.3121124994105]
  DeepI2Pは、イメージとポイントクラウドの間のクロスモダリティ登録のための新しいアプローチです。 本手法は,カメラとライダーの座標フレーム間の相対的剛性変換を推定する。 登録問題を分類および逆カメラ投影最適化問題に変換することで難易度を回避する。
  論文  参考訳（メタデータ） (2021-04-08T04:27:32Z)
• Towards Mesh Saliency Detection in 6 Degrees of Freedom [66.00323807003699]
  6DoFメッシュサリエンシデータベースは、被験者の6DoFデータと眼球運動データの両方を提供する。 そこで本研究では,一意性尺度とバイアス嗜好に基づく6DoFメッシュ・サリエンシ検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-27T02:04:33Z)

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。