研究人员开发了一种名为“面向因素的注意力蒸馏”（FIUD）的新方法，以提高在非约束环境下的注视点估计精度。FIUD采用一种教师-学生框架，其中教师模型分析图像质量因素（如光照和清晰度）来预测注视点误差。然后，学生模型学习整合这些不确定性信号，从而增强其拒绝不可靠预测的能力。在大型数据集上进行测试，FIUD证明了其不确定性估计和选择性预测能力的提高，尤其是在具有挑战性的真实世界场景中。 AI
影响 提高了依赖注视点跟踪的AI系统的可靠性，尤其是在实际应用中。
排序理由 该集群包含一篇详细介绍注视点估计新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
