FOVAL:跨多样化眼动跟踪数据集中无需校准和主体不变的注视深度估计

于红博

摘要: 精确的焦点深度估计对于扩展现实（XR）、机器人技术和人机交互应用至关重要。然而，当前的方法严重依赖于用户特定的校准，这限制了它们的可扩展性和可用性。我们介绍了FOVAL，这是一种稳健的无需校准的方法，它通过长短期记忆（LSTM）网络结合不变主体特征工程和归一化来进行时空序列建模。与Transformer、时间卷积网络（TCN）和卷积神经网络（CNN）相比，FOVAL在限制和嘈杂的凝视数据情境中表现出卓越的性能。通过三个基准数据集的评估，使用留一交叉验证（LOOCV）和跨数据集验证，显示出9.1厘米的平均绝对误差（MAE）和强大的泛化能力，无需校准。我们进一步分析了不同受试者之间的变异性和领域转变，为模型的稳健性和适应性提供了见解。FOVAL的可扩展性和准确性使其非常适合在现实世界中部署。

更新时间: 2025-09-19 14:02:24

领域: cs.CV,cs.AI,cs.HC,cs.LG,eess.SP

下载: http://arxiv.org/abs/2408.03591v2