VR环境下基于多观测角度人眼成像特性的注视估计研究

在虚拟现实(VR)的沉浸式场景中,基于先进的注视估计技术实现精确的注视点渲染,能够优化计算资源分配效率、缓解用户体验过程中可能产生的眩晕感。目前,可用的VR环境下的注视估计数据集只有单观测角度眼睛图像,缺乏不同观测角度的眼部图像数据集。文中构建了一个包含23 040张多观测角度眼睛图像的注视估计数据集与一个包含15 824张带有瞳孔标注的多观测角度眼睛图像的瞳孔检测数据集,并提出了一种结合多观测角度眼睛图像特征以相互补偿的多分支网络模型。将注视估计数据集样本用于模型的训练过程,预测欧氏距离损失可以达到7.68像素。进一步,将包含瞳孔位置信息的权重地图与图像融合,瞳孔位置信息的融合输入增强了模型的性能,欧氏距离损失降低到7.45像素。这项研究表明,所开发的模型能够提升VR环境下的注视估计精度,从而推动注视估计技术在VR产品中的广泛应用。

基于青光眼影像的人工智能辅助诊断技术及进展

人眼内异常的眼内压是青光眼的主要表现之一,而在疾病的早期阶段患者并没有感到明显不适,往往难以及时发现,如果该疾病未得到及时治疗,则可能导致完全失明。青光眼的早期诊断可以有效预防永久性视力丧失,临床上人工检查是一种可行的解决方案,但这不仅费时费力,而且要求医生具备专门的知识和经验。现有的研究成果表明,将人工智能技术整合到影像中预防和检测青光眼是高效、准确的。系统介绍基于人工智能的青光眼辅助诊断领域的最新进展,探讨各种已发表的算法模型,总结此类研究存在的问题及未来可能的研究方向,并对基于多模态评估的青光眼智能检测技术的研究现状与未来发展趋势进行详细和深入的评述。