原文链接
data下载链接
概述:这篇文章提出了一个新的场景:实时多人视线估计。提出相关数据集MPSGaze,提出一个金字塔结构的端到端的多人视线检测算法,并通过自监督约束进一步提升算法性能。
MPSGAZE数据集
这个数据集是通过Gaze数据集ETH-Gaze和脸部检测数据集WiderFace生成,具体做法如下。
1.Face matching:对于给定高质量WiderFace图像
f
w
f_w
fw,通过脸部属性提取SOTA网络Fairface筛选与他最相似的ETH-Gaze图像。
a根据性别初筛ETH-Gaze集合
f
e
f_e
fe
b对
f
w
f_w
fw进行ETH-Gaze一致的归一化,记录缩放矩阵W以及旋转矩阵R。
c根据脸部关键点以及头部姿态计算
f
w
f_w
fw
f
e
f_e
fe匹配误差筛选n个
f
e
f_e
fe
d在n个中根据年龄和种族相似性最后筛选出最相似的
f
e
s
f_{es}
fes
2.Gaze swapping:交换Gaze图像和face detection图像的眼部/脸部图像,视线标签由Gaze图像得到。
a根据
W
−
1
W^{-1}
W−1、
R
−
1
R^{-1}
R−1对
f
e
s
f_{es}
fes进行变换
b采用1c式计算变换后
f
e
s
f_{es}
fes和
f
w
f_w
fw脸部关键点和头部姿态的匹配误差。
c给定阈值,匹配误差低于阈值则仅交换眼部区域,反则交换脸部区域。
d采用泊松混合方法使重叠图像看起来真实
e
f
e
s
f_{es}
fesgaze标签
R
−
1
R^{-1}
R−1z作为
f
w
f_{w}
fw标签
多任务端到端的多人视线估计
采用金字塔结构+上下文模块(残差+累加多层卷积代替大卷积)保障提取的特征兼顾多尺度和感受野
多任务同时检测人脸和预测Gaze,损失函数
3D视线以及其2D投影自监督约束
同时预测2D以及3D视线,预测3D视线投影和2D视线的一致性。
实验结果