In this paper, a modified algorithm for the detection of nasal and temporal eye corners is presented. The algorithm is a modification of the Santos and Proenka Method. In the first step, we detect the face and the eyes using classifiers based on Haar-like features. We then segment out the sclera, from the detected eye region. From the segmented sclera, we segment out an approximate eyelid contour. Eye corner candidates are obtained using Harris and Stephens corner detector. We introduce a post-pruning of the Eye corner candidates to locate the eye corners, finally. The algorithm has been tested on Yale, JAFFE databases as well as our created database.
A new eye segmentation method based on improved U2Net in TCM eye diagnosis
State Key Laboratory of Marine Resource Utilization in South China Sea, Hainan University（海南大学南海海洋资源利用国家重点实验室）；Department of Biomedical Engineering, Hainan University（海南大学生物医学工程系）
Rethinking the Encoding and Annotating of 3D Bounding Box: Corner-Aware 3D Object Detection from Point Clouds
School of Computer Science, Beijing Institute of Technology（计算机科学学院，北京理工大学）；Computer Science Program, Computer, Electrical and Mathematical Sciences and Engineering (CEMSE) Division, Center of Excellence for Smart Health, and Center of Excellence for Generative AI, King Abdullah University of Science and Technology (KAUST)（计算机科学项目，计算机、电气和数学科学与工程（CEMSE）部门，智能健康卓越中心，生成人工智能卓越中心，国王阿卜杜勒·阿齐兹大学科学与技术（KAUST））；State Key Laboratory of Internet of Things for Smart City, Department of Computer and Information Science, University of Macau（智慧城市物联网国家重点实验室，澳门大学计算机与信息科学系）；Guangdong Provincial Key Laboratory of Machine Perception and Intelligent Computing, Shenzhen MSU-BIT University（广东省机器感知与智能计算重点实验室，深圳MSU-BIT大学）；Beijing Key Laboratory of Intelligent Information Technology, School of Computer Science, Beijing Institute of Technology（北京智能信息技术重点实验室，计算机科学学院，北京理工大学）
CG-SSD: Corner Guided Single Stage 3D Object Detection from LiDAR Point Cloud
Wuhan University（武汉大学）
目前，基于锚点或无锚点的三维目标检测模型均采用中心分配器策略来推断三维边界框。然而，在现实场景中，激光雷达只能获取有限的物体表面点云，而物体的中心点是不存在的。通过聚集不完整的表面点云来获取目标，会带来方向和尺寸估计精度的损失。针对这一问题，本文提出了一种角点引导无锚点单级三维目标检测模型（CG-SSD），该模型首先利用由残差层和子流形稀疏卷积层组成的三维稀疏卷积骨干网络构建鸟瞰图（BEV）特征，然后利用精简的U型网络进行更深层次的特征挖掘;其次，提出了一种新的角点引导辅助模块（CGAM），将角点监控信号纳入神经网络。CGAM被明确地设计和训练来检测部分可见和不可见的角点，以获得更准确的对象特征表示，特别是对于小的或部分被遮挡的对象;最后，来自骨干网络和CGAM模块的深度特征被连接并馈送到头部模块，以预测场景中对象的分类和3D边界框。实验结果表明，CG-SSD在ONCE基准测试中使用单帧点云数据进行监督式3D目标检测，达到了最先进的性能，具有62.77%mAP。此外，在ONCE和Waymo Open Dataset上的实验表明，CGAM可以扩展到大多数基于锚点的模型，这些模型使用BEV特征来检测对象，作为插件，并带来+1.17%-+14.27%AP的改进。
School of Computing and Augmented Intelligence, Arizona State University（亚利桑那州立大学计算与增强智能学院）；Department of Computer Science and Physics, Rider University（莱德大学计算机科学与物理系）
FA-Harris: A Fast and Asynchronous Corner Detector for Event Cameras
National University of Defense Technology（国防科技大学）；National Innovation Institute of Defense Technology（国防科技创新研究院）；Tianjin Artificial Intelligence Innovation Center（天津人工智能创新中心）
Thinking with Gaze: Sequential Eye-Tracking as Visual Reasoning Supervision for Medical VLMs
School of Computing, University of Georgia（佐治亚大学计算机学院）；Department of Computer Science and Engineering, University of Texas, Arlington（德克萨斯大学阿灵顿分校计算机科学与工程系）；Massachusetts General Hospital, Harvard Medical School（麻省总医院哈佛医学院）；Department of Biomedical Engineering, New Jersey Institute of Technology（新泽西理工学院生物医学工程系）
Dermatologist-like explainable AI enhances melanoma diagnosis accuracy: eye-tracking study
German Cancer Research Center (DKFZ)（德国癌症研究中心）；Medical University of Vienna（维也纳医科大学）；Uniklinikum Erlangen（埃尔朗根大学医院）；Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-亚历山大-埃尔朗根-纽伦堡大学）；Bavarian Cancer Research Center (BZFK)（巴伐利亚癌症研究中心）；University Medical Center Mannheim（曼海姆大学医学中心）；Ruprecht-Karl University of Heidelberg（海德堡鲁普雷希特-卡尔大学（海德堡大学））；DKFZ Hector Cancer Institute at the University Medical Center Mannheim（曼海姆大学医学中心DKFZ赫克托癌症研究所）；University Hospital Frankfurt（法兰克福大学医院）；Goethe-University Frankfurt（法兰克福歌德大学）；Pontificia Universidad Católica de Chile（智利天主教大学）；University Hospital Würzburg（维尔茨堡大学医院）；National Center for Tumor Diseases (NCT)（国家肿瘤疾病中心）；TUD Dresden University of Technology（德累斯顿工业大学）；University Hospital Aachen（亚琛大学医院）；RWTH University of Aachen（亚琛工业大学）
