.png){kind=icon}
返回
Deep Learning-Based Gaze Estimation: A Review
.png){kind=icon}
OA
AI
DOI：10.3390/robotics15040069.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
眼动估计作为理解用户意图和提升人机交互的关键方面，随着深度学习技术的融合已取得显著进展。尽管取得进展，深度学习在眼动估计中的应用仍面临独特挑战，特别是在模型适配与优化以实现精确眼动追踪方面。本文对基于深度学习的眼动估计近期发展进行了全面综述，特别关注从传统方法向复杂的基于外观的技术演进。我们考察了成功眼动估计系统的关键组件，包括输入特征处理、神经网络架构以及数据预处理对实现高精度的重要性。我们的分析扩展至现有方法的全面比较，阐明其在不同实现情境下的有效性与局限性。通过此次系统综述，旨在整合该领域现有知识、识别当前研究空白并提出未来研究方向。通过提供眼动估计领域的前沿技术概述，并讨论持续存在的挑战与潜在解决方案，本研究旨在激发在开发更准确高效的眼动估计系统方面的进一步创新与进展。
Keyword:
appearance-based
gaze estimation
eye tracking
deep learning
CNN
human–robot interaction
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.3
论文数:
437
被引数:
3.3K
机构
引用论文
Head pose estimation in the wild using Convolutional Neural Networks and adaptive gradient methods基于卷积神经网络和自适应梯度法的野外头部姿态估计.png)
PATTERN RECOGNITIONOAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏
查看更多内容