정해진 환경 밖의 입력
깨끗한 얼굴 영상에서 학습한 모델은 얼굴에 착용물이 있거나 조명이 나쁠 때 성능이 달라질 수 있다. 연구는 영상 다양성뿐 아니라 데이터셋 사이의 시선 라벨 차이도 문제로 다룬다.
증강으로 외형 넓히기
안경, 마스크와 조명 변화를 합성하는 여러 증강을 결합한다. 추가적인 사람이 붙인 라벨 없이 학습 영상의 외형 범위를 넓히려는 방식이다.
하나의 회귀 목표 보완
시선 회귀에 다중 관점 지도 대조 학습, 구간화된 라벨 분류와 눈 영역 분할을 보조 목표로 더한다. 데이터셋마다 방향에 따라 달라질 수 있는 라벨 편차의 영향을 줄이려는 목적이다.
경량성의 실제 확인
작은 모델이라도 촬영 장치와 입력 조건에 따라 지연 시간과 오차가 달라진다. 평범한 환경의 평균값뿐 아니라 착용물과 어두운 조명 조건의 결과를 구분해 확인해야 한다.