Confidence-aware 3D Gaze Estimation and Evaluation Metric

要約

ディープ ラーニングの外観ベースの 3D 視線推定は、ハードウェア要件が最小限であり、制約がないため、人気が高まっています。
ただし、信頼性が低く自信過剰な推論により、この視線推定方法の採用は依然として制限されています。
信頼性が低く自信過剰な問題に対処するために、視線角度の推定とともに不確実性を予測する信頼性認識モデルを導入します。
また、目の特徴の劣化と推論の不確実性の上昇との因果関係に基づいて、不確実性の推定を評価する新しい有効性評価方法を紹介します。
私たちの信頼性を考慮したモデルは、最新技術と同等の角度推定精度を提供しながら、信頼できる不確実性推定を示しています。
既存の統計的不確実性-角度誤差評価メトリックと比較して、提案された有効性評価アプローチは、各予測で推測された不確実性のパフォーマンスをより効果的に判断できます。

要約(オリジナル)

Deep learning appearance-based 3D gaze estimation is gaining popularity due to its minimal hardware requirements and being free of constraint. Unreliable and overconfident inferences, however, still limit the adoption of this gaze estimation method. To address the unreliable and overconfident issues, we introduce a confidence-aware model that predicts uncertainties together with gaze angle estimations. We also introduce a novel effectiveness evaluation method based on the causality between eye feature degradation and the rise in inference uncertainty to assess the uncertainty estimation. Our confidence-aware model demonstrates reliable uncertainty estimations while providing angular estimation accuracies on par with the state-of-the-art. Compared with the existing statistical uncertainty-angular-error evaluation metric, the proposed effectiveness evaluation approach can more effectively judge inferred uncertainties’ performance at each prediction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google