训练源码在https://github.com/fkryan/gazelle 它是在5天前刚发布的。 文章名称是《Gaze-LLE: Gaze Target Estimation via Large-Scale Learned Encoders》 通过利用冻结的DINOv2编码器的特征来简化注视目标估计，预测一个人在场景中看的位置。 看效果图挺牛逼的，于是我就编写了推理部署程序，美中不足的是onnx文件有些大了，这个 恐怕很难在边缘端部署了。
onnx文件，链接: https://pan.baidu.com/s/1aBl4IALa38HvhMCFZcF8Wg 提取码: kjw1