Nuovo Framework AI Affronta il Rumore delle Etichette nella Stima dello Sguardo per una Migliore Generalizzazione

È stato introdotto un nuovo framework AI chiamato See-Through-Noise (SeeTN) per migliorare le capacità di generalizzazione dei modelli di stima dello sguardo, affrontando specificamente l'impatto negativo del rumore delle etichette. La ricerca, documentata nella preprint arXiv 2604.16562v1, identifica che i metodi esistenti di stima dello sguardo generalizzabili, nonostante i progressi significativi, trascurano frequentemente come le annotazioni imprecise dello sguardo influenzino le prestazioni del modello. La soluzione proposta costruisce uno spazio di incorporamento semantico utilizzando una trasformazione basata su prototipi per mantenere una struttura topologica coerente tra le caratteristiche dello sguardo e le loro etichette continue corrispondenti. Questo approccio misura quindi la coerenza dell'affinità caratteristica-etichetta per differenziare tra campioni di dati rumorosi e puliti. Il lavoro rappresenta la prima indagine completa su come il rumore delle etichette influenzi negativamente la generalizzazione nel campo della stima dello sguardo. La stima dello sguardo è nota come critica per varie applicazioni nel mondo reale. Il tipo di annuncio per il documento è elencato come cross.