تا به حال شده بخواهید بدانید یک نفر دقیقاً به چه چیزی در یک صحنه نگاه میکند؟ این یکی از پیچیدهترین چالشهای بینایی ماشین است که به درک «هدفِ نگاه» (Gaze Target Estimation) معروف است.
محققان در مقاله جدیدی، مدل PaGE (Practical Gaze Estimator) را معرفی کردهاند که میتواند تعامل بین ویژگیهای چهره انسان و محیط اطراف را به بهترین شکل مدلسازی کند. نکته جذاب اینجاست که PaGE نه تنها در اکثر معیارها عملکردی فراتر از انسان دارد، بلکه به قدری بهینه شده که میتوان از آن در رباتها و دستگاههای مصرفی روزمره استفاده کرد. 🤖✨
این پیشرفت یعنی در آینده نزدیک، تعامل انسان و رباتها بسیار طبیعیتر و هوشمندانهتر خواهد شد!
منبع: arXiv Computer Vision