DiTGaze 用几何条件扩散改进少样本视线估计

Abiram Panchalingam 等作者发布 DiTGaze 论文更新版，提出一种校准高效的少样本视线估计增强系统。该方法沿用双流 3D Gaussian Splatting 骨干，并将其卷积渲染阶段重构为几何条件潜在 Diffusion Transformer（DiT）。 目前公开信息仅为作者对方法框架的自述，未给出少样本条件下的精度或校准效果数据。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。