Benchmarking Drag⋆ for eye direction transformation and beyond
Notice bibliographique
Résumé
Abstract Eye direction plays a crucial role in determining the quality of photographs containing human faces. Images where subjects look in inconsistent directions are often perceived as low-quality and discarded. While state-of-the-art deep generative models such as DragGAN, DragDiffusion, and DragonDiffusion (collectively referred to as Drag⋆) offer potential solutions for eye direction transformation, their effectiveness for this specific task remains unexplored. In this work, we systematically investigate the capability of Drag ⋆ for eye direction transformation. Our initial experiments reveal that these models in their original form cannot effectively perform this task. To address this limitation, we construct a specialized dataset (i.e., eye multi-direction dataset (EMDD)) and establish a comprehensive benchmark for evaluating methods through fine-tuning on our curated data. Our analysis demonstrates that fine-tuned models achieve satisfactory results when the angular difference between the directions of the source and target eyes is small. However, we observe significant performance degradation when large directional changes are necessary. Through detailed investigation, we uncover the underlying causes of these limitations and provide insights into the models’ failure modes. To overcome these challenges, we propose the edge-localized point selector and zero-latent source region replacement , which can alleviate the identified limitations. Experimental results demonstrate that our approach achieves substantial performance improvements for eye direction transformation, particularly in scenarios involving large angular changes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».