注视点预测

第一人称视频中的 3D 扫描路径预测

Forecasting 3D Scanpaths in Egocentric Video

将注视点预测从 2D 图像序列扩展到第一人称视频中的 3D 笛卡尔坐标序列，利用 Transformer 融合视频帧、头部姿态和过去 3D 注视点，为 AR/VR 中的意图预测和交互提供可复用的时序建模框架。