EllSeg: An Ellipse Segmentation Framework for Robust Gaze Tracking 瞳孔または虹彩の追跡に基づくビデオ眼球撮影に不可欠なコンポーネントである楕円フィッティングは、さまざまなコンピュータービジョン技術を使用して生成された、以前にセグメント化された目の部分に対して実行されます。まぶたの形状、カメラの位置、まつげによる閉塞などのいくつかの要因は、明確に定義された瞳孔または虹彩のエッジセグメントに依存する楕円フィッティングアルゴリズムを頻繁に壊します。この作業では、楕円構造全体を直接セグメント化する畳み込みニューラルネットワークのトレーニングを提案し、そのようなフレームワークがオクルージョンに対してロバストであり、優れた瞳孔と虹彩の追跡パフォーマンスを提供することを示します(瞳孔と虹彩中心の検出が少なくとも10%と24%増加)それぞ
イベントカメラは、過酷な条件での優れた特性により、自動車、計算写真、SLAMなどの幅広い用途に欠かせないものになっています。ただし、センサーの設計がさらに改善されるにつれて、最新のイベントカメラはセンサーの解像度がますます高くなる傾向にあり、その結果、ダウンストリームタスクの帯域幅と計算要件が高くなります。この傾向にもかかわらず、標準的なコンピュータービジョンタスクを解決するために高解像度のイベントカメラを使用することの利点はまだ明らかではありません。この作業では、低照度条件および高速で、低解像度カメラが高解像度カメラよりも優れたパフォーマンスを発揮する一方で、必要な帯域幅が大幅に低くなるという驚くべき発見を報告します。この主張の経験的証拠と理論的証拠の両方を提供します。これは、高解像度イベントカメラがピクセルあたりのイベント率が高く、低照度条件と高速で時間ノイズが高くなることを示していま
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く