⭐CVPR 顶会精读｜无约束 3D 视线估计新框架 GA3CE
📄论文题目：GA3CE: Unconstrained 3D Gaze Estimation with Gaze-Aware 3D Context Encoding
✍️作者及机构：Yuki Kawana、Shintaro Shiba、Quan Kong、Norimasa Kobori（Woven by Toyota）
🧩面临问题：无约束场景下 3D 视线估计存在诸多挑战。一方面，受试者可能距离较远或背对镜头，导致眼睛特写不可得；另一方面，相机姿态变化会使相同 3D 场景的 2D 外观和 3D 视线方向产生差异，而传统方法要么依赖 2D 外观，要么仅在非学习型后处理中融入有限空间线索，忽略了受试者、场景与视线方向间的空间关系134。
🎯创新点及其具体研究方法：
1️⃣ 提出基于 3D 空间关系理解的新方法：以 3D 姿态和物体位置作为中间表示，替代直接从 2D 外观估计 3D 视线方向，通过建模受试者与场景物体的空间关系实现估计25。
2️⃣ 提出 Gaze-Aware 3D Context Encoding（GA3CE）：- egocentric transformation：将 3D 姿态和物体位置归一化到以受试者为中心的坐标空间，通过旋转使受试者视线方向与固定方向对齐，减少相机姿态带来的变化，还引入 cyclotorsion rotation 提升变换一致性789。- D³ positional encoding：将 3D 点分解为方向和距离组件，采用正弦函数分别编码后拼接，更好捕捉空间关系中方向和距离的相关性1011。
3️⃣ 设计 3D gaze transformer：编码器处理物体嵌入生成物体特征，解码器以受试者嵌入为查询，通过交叉注意力聚焦相关物体特征，学习空间关系并输出视线方向，最后反转归一化得到最终结果121314。
4️⃣ 在三个基准数据集上验证：在 GFIE、CAD-120 和 GAFA 数据集上进行实验，相比主流基线方法，将平均角度误差降低 13%-37%，展示了方法在不同场景下的有效性和泛化能力615🔷1-94🔷🔷1-98🔷。
