クロスシナリオの予測精度を高める3つの方法
Gaze-LLEは、事前学習ストラテジーとモデル選択によって、すでに優れた汎化能力を持っている：
- モデル選択：優先順位をつけるアウトGazeFollow＋VideoAttentionTargetの協調学習データを使用し、屋内外の幅広いシーンをカバーするサフィックスモデル（例：gazelle_dinov2_vitb14_inout）。
- 転移学習：微調整のためにバックボーンの最後の3層を解凍し、新しいシーンの小さなデータサンプル（～200のラベル付きマップ）で5～10エポックをトレーニングする。
- 後処理の最適化：出力ヒートマップで非最大抑制（NMS）を実行し、信頼度<0.7の予測点をフィルタリングする閾値を設定する。
注：DINOv2の特徴抽出器はプリトレーニングで豊富なシーン特徴をすでにカバーしているため、一般的には完全に再トレーニングすることは推奨されない。対象シーンに特殊な照明条件（赤外線監視など）がある場合は、データの前処理段階でヒストグラム均等化を追加することを推奨する。
この答えは記事から得たものである。Gaze-LLE：映像中の人物注視のターゲット予測ツールについて
無断転載を禁じます：AI生産性ツール " クロスシーン視線予測の精度を上げるには？
