焦深度估计：一种无需校准，主体和白天不变的方法
原文中文，约1600字，阅读约需4分钟。
📝
内容提要
本研究提出了一种新型自动眼动追踪方案，利用高斯过程回归模型消除显式标定需求，并自动补偿头戴显示器的微小移动，达到高准确性。同时，开发了自校准眼动跟踪方法和深度估计模型，显著提高了深度估计的准确性和泛化能力，适用于虚拟现实环境。研究还评估了不同机器学习方法在眼部特征追踪中的表现，并提出了基于 U-Net 的轻量级框架，有效估计眼周深度图。
❓
Q&A
这种自动眼动追踪方案的主要优势是什么？
该方案消除了显式标定需求，并能自动补偿头戴显示器的微小移动，达到高准确性。
自校准眼动跟踪方法的准确性如何？
在虚拟现实环境中，该方法实现了平均误差低于3°。
深度估计模型的泛化能力如何提高？
通过采用相对深度估计网络和多尺度特征，显著提高了深度估计的泛化能力。
基于U-Net的框架适用于哪些设备？
该框架适用于任何配备有面向眼部的单眼摄像头的VR头戴设备。
研究中如何评估不同机器学习方法的表现？
通过比较不同方法在眼部特征追踪中的表现，客观评估其对最终注视估计质量的影响。
该研究对虚拟现实设备用户的影响有哪些考虑？
研究指出虚拟现实头戴设备可能导致数字视疲劳、干眼症及潜在的长期视力损害。
🏷️
