Inferindo o olhar humano a partir da aparência via regressão linear adaptativa

O problema de estimar o olhar humano a partir da aparência dos olhos é considerado como o mapeamento de características de alta dimensão para um espaço-alvo de baixa dimensão. Métodos convencionais requerem amostras de treinamento obtidas densamente na variedade da aparência dos olhos, o que resulta em uma fase de calibração tediosa. Neste artigo, introduzimos um método de regressão linear adaptativa (ALR) para mapeamento preciso via amostras de treinamento coletadas de forma esparsa. A ideia principal é encontrar adaptativamente o subconjunto de amostras de treinamento onde a amostra de teste é mais linearmente representável. Resolvemos o problema por meio de otimização l1 e estudamos minuciosamente as questões-chave para buscar a melhor solução para regressão. A abordagem proposta de estimativa do olhar baseada em ALR é naturalmente esparsa e de baixa dimensão, permitindo inferir o olhar humano a partir de imagens dos olhos de resolução variante usando muito menos amostras de treinamento do que os métodos existentes. Especialmente, o procedimento de otimização em ALR é estendido para resolver simultaneamente o problema de alinhamento subpixel para imagens de teste dos olhos de baixa resolução. O desempenho do método proposto é avaliado por meio de experimentos extensivos contra vários fatores, como número de amostras de treinamento, dimensionalidade das características e resolução da imagem dos olhos, para verificar sua eficácia.