DiTGaze少样本视线估计方法获WACV 2027接收

Abiram Panchalingam等人发布了少样本视线估计方法 DiTGaze，该方法已被 WACV 2027 接收。据作者介绍，DiTGaze 是一种校准高效的增强系统：它沿用双流 3D Gaussian Splatting 骨干，并把其中的卷积渲染阶段重构为几何条件潜空间 Diffusion Transformer（DiT）。 此次发布的是 2025 年原始预印本的更新扩展版，包含修订后的方法和扩充的少样本视线估计实验。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。