面向凝视估计的混合域自适应表征学习

基于摘要分析。本文研究从单张人脸图像预测三维凝视方向，针对表情、穿戴物和图像质量等凝视无关因素导致的跨域性能下降，提出 Hybrid-domain Adaptative Representation Learning（HARL），利用多源混合数据学习稳健凝视表征。 方法包含两项核心机制：一是采用无监督域适应方式，将低质量人脸图像的特征与高质量近眼图像提取的特征对齐，以分离凝视相关表征；二是分析头部姿态的影响，通过稀疏图融合模块利用凝视方向与头部姿态之间的几何约束。作者称该对齐方式几乎不增加计算或推理成本，但具体训练数据配对方式、监督来源、对齐损失和成本测量条件尚未验证。 作者报告，在 EyeDiap、MPIIFaceGaze 和 Gaze360 上分别取得 5.02°、3.36° 和 9.26° 的凝视方向估计误差，并将其描述为达到当时最优水平；摘要未给出具体划分、误差聚合方式及对照基线，不能据此独立确认该结论。作者另报告跨数据集评估具有竞争力，但未提供迁移方向与对应数值，不宜将上述三个数字直接解释为 Cross-dataset 结果。实验协议、消融及统计信息尚未验证。摘要提供了代码仓库，代码完整性与复现条件仍需核对。 平台推测（待验证）：可供 EEG 研究借鉴的是以高质量参考表征约束低质量输入的训练思路，而非凝视任务特有的头部姿态几何图。迁移假设依赖可匹配、任务相关的高低质量 EEG 数据及稳定的表征关系；需要重建信号编码器和对齐目标，低信噪比、通道差异、被试差异及小样本可能使对齐同时抹除任务信息。一个可证伪的小实验是在固定被试内划分下，仅对训练信号构造受控噪声，以干净信号表征作参考，对比有无对齐的同一模型在独立噪声测试集上的表现。该机制在 EEG 中的已有相关工作尚未检索确认。