自动凝视分析:对基于深度学习的方法的调查

科学领域:

• 计算机视觉 计算机视觉
• 人与计算机的交互 (HCI)

背景情况:

• 自动凝视分析面临的挑战是个人的眼睛外观变化,头部运动,闭塞和图像质量的变化.
• 关键的开放问题涉及在不受约束的设置和实时编码方法中识别关键的目光线索.

研究的目的:

• 审查凝视分析任务和应用的进展情况.
• 确定有效的凝视分析方法,并解决基本研究问题.
• 探索现实世界的凝视分析系统的未来研究方向.

主要方法:

• 分析最近的目光估计和细分方法.
• 专注于无监督和弱监督的学习方法.
• 基于优势和报告的指标进行评估.

主要成果:

• 在没有先前知识的不受限制的环境中,凝视分析仍然很困难.
• 有效的方法需要处理现实世界的挑战,例如不受约束的设置和有限的监督.
• 对于强大和通用的凝视分析,需要取得进展.

结论:

• 未来的研究应该优先考虑开发能够不受限制运行的真实世界目光分析系统.
• 凝视分析的进步在计算机视觉,增强现实 (AR),虚拟现实 (VR) 和HCI方面具有广泛的应用.