PnP-GA+:用于使用模型变体进行凝视估计的插即用域调整

科学领域:

• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 基于外观的目光估计模型在新领域的表现方面扎.
• 现有的方法缺乏适应不可见的环境或个人的能力.

研究的目的:

• 为了提高视线估计模型的域适应性.
• 引入PNP-GA+,这是一个扩展的插即用方法,用于注视领域的适应.

主要方法:

• PnP-GA+ 组装模型变体,考虑颜色空间,数据增强和模型结构.
• 一个集团内部的注意模块在适应过程中动态优化伪标签.
• 该框架整合了现有的凝视估计网络,以实现跨领域的增强.

主要成果:

• 在四个标准的凝视域适应任务上,PNP-GA+的性能优于最先进的域适应方法.
• 该方法始终提高跨领域的性能.
• 通过组装多样化的模型组,提高了多功能性.

结论:

• PnP-GA+提供了一种多功能和有效的解决方案,用于在不同领域改善视线估计模型性能.
• 该方法在解决凝视估计领域转移的挑战方面取得了重大进展.