BriefGPT - AI 论文速递
·
利用凝视进行对比学习以促进计算机辅助诊断
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了基于对比学习的ConGaze框架，用于凝视估计。该框架利用未标记的面部图像进行无监督学习，在公共凝视估计数据集上取得较好效果，相对于基于监督学习的模型有显著改进。
🎯
关键要点
- 基于外观的凝视估计依赖于大规模且经过良好注释的凝视数据集，这些数据集稀缺且昂贵。
- 提出了一种基于对比学习的框架ConGaze，利用未标记的面部图像进行无监督学习。
- ConGaze在三个公共凝视估计数据集上表现优于现有的无监督学习解决方案，提升幅度为6.7%至22.5%。
- 在跨数据集评估中，ConGaze相对于基于监督学习的模型取得了15.1%至24.6%的改进。
➡️
