arXiv cs.AI· Abiram Panchalingam, Indu P. Bodala, Stuart E. Middleton·· 10 小时前AI 评分21
DiTGaze：几何条件扩散增强实现少样本视线估计
DiTGaze: Geometry-Conditioned Diffusion Augmentation for Few-Shot Gaze Estimation
AI 导读
DiTGaze 提出一种校准高效的少样本视线估计增强系统，将双流 3D Gaussian Splatting 骨干的卷积渲染阶段重构为几何条件潜在 Diffusion Transformer（DiT）。
正文 · AI 翻译
摘要：准确的人体特定视线估计得益于带标签的用户数据，但采集密集覆盖视线方向的图像十分繁琐。我们提出 DiTGaze，一种标定高效的增强系统，它采用双流 3D Gaussian Splatting 主干，并将其卷积渲染阶段重构为几何条件潜空间 Diffusion Transformer（DiT）。可学习投影与冻结 VAE 将光栅化高斯特征桥接到潜 token，而时间步与身份/表情条件通过 Adaptive Layer Normalization 集成。中间偏航-俯仰采样加密了视线监督，正交约束减少了视线、姿态与表情之间的干扰。在 ETH-XGaze 上，DiTGaze 相比 GazeGaussian 将生成器级视线误差降低 4.1%。在我们对扩展下游协议的运行中，它在从一张到九张真实图像的每个标定预算下均排名第一；在 N = 9 时重复的主要比较将受试者级估计器误差降低 0.73 度，并改善了 15 个身份中的 14 个（p < 0.001）。这些结果将所提出的生成器改动与统计支持的少样本个性化增益联系起来。
| 评论： | 已被 WACV 2027 接收。原始 2025 预印本的更新与扩展版本，包括修订的方法论和扩展的少样本视线估计实验 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2511.11231 [cs.CV] |
| （或 arXiv:2511.11231v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2511.11231 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Abiram Panchalingam Mr [查看电子邮件]
[v1]
2025 年 11 月 14 日星期五 12:32:22 UTC（688 KB）
[v2]
2026 年 10 月 29 日星期四 19:17:00 UTC（1,930 KB）
来源：arXiv cs.AI · arxiv.org