GRM视线估计模型

视线精度提升

结合Swin Transformer与凝视细化模块，为驾驶员3D视线估计提供稳定的特征映射与方向预测。

李泰国 · Zhang, Yingzhi · Li, Quanqin

IEEE Internet of Things Journal 2024

参数信息

角度误差

3.760 °

角度误差

10.620 °

技术优势

全局信息处理增强

采用Swin Transformer增强全局图像信息处理，从而准确预测视线方向。

特征映射优化

引入凝视细化模块作为后骨干网络，优化特征映射，确保稳定的视线方向估计。

混合损失提精度

结合Pinball损失、均方误差和偏置惩罚的混合损失函数提高视线估计精度。

应用场景

• 驾驶员监控系统：实时监测驾驶员视线方向，预防分心驾驶。
• 人机交互：提供精确视线输入，改善交互体验。
• 高级驾驶辅助系统：满足ADAS对精确视线数据的需求，提升道路安全。