随着科技的日益发展,3D视线估计在各种应用中的潜在用途引起了越来越多的研究关注。在心理学方面,可以通过估计视线的方向来推断出人们感兴趣的事物,从而去探究他们的心理活动。在人机交互方面,视线估计技术能够让手脚不方便移动的患者也能像常人一样操控机器来辅助他们的日常生活。在汽车的辅助驾驶方面,通过车载系统中安装的摄像头可以获取驾驶员眼部信息,来判别驾驶员是否在专心开车以及是否疲劳驾驶,防止交通事故的发生。目前,视线估计研究实现了较大的发展,但是面对从2D眼睛图像估计3D视线方向会产生很大的不确定性,这对现有的方法产生了巨大的挑战。近年来,卷积神经网络（CNN）发展迅速,并成为计算机视觉研究领域的热点话题,通过对图像特征的提取以及在各种任务下的泛化能力,CNN被广泛应用在图像视觉任务上。同样,CNN也被用于在复杂的外界环境下对视线进行准确估计这个关键问题上。然而,目前的视线估计网络往往采用多列或者多尺度的神经网络结构设计,通常会出现网络难以训练以及梯度消失或者爆炸等问题,并且部分数据集中视线图像的低分辨率、部分遮挡或光线暗淡等一系列不确定性的问题也严重制约了CNN的性能,对于视线估计的准确度带来了很大的挑战。为了应对这一系列的挑战,本文在基于变分推理的框架下设计了一种视线估计网络（CGE）。传统CNN网络训练方法是将输入的眼睛图像表示为x并考虑对视线估计值g进行回归,常规的视线估计的过程可能很复杂。因此,与传统CNN网络对视线估计任务进行端到端训练不同的是,我们将整个训练环节f分为两步。我们的方法是假设有可能学习眼睛的中间图像表示m,也就是说,我们将模型分为两部分:j和k。网络学习j和k的复杂度应明显低于直接学习f的复杂度,从而我们就可以选用一些复杂度明显较低的神经网络体系结构以更高或等效的性能应用于视线估计的同一任务。在过程j中,我们应用了变分推理的方法,其目的是为了生成视线表示图（gazemaps）。在训练阶段,后验网络中的编码器获取眼睛图像和对应的gazemaps的地面真实值作为输入,并将其转化为一个具有很多高斯分布变量的潜在空间。随后在潜在空间中对多个随机变量进行采样,并由解码器重构为相应的gazemaps,此过程也可作为整个网络的中间监督。在过程k中,我们将对上一过程j生成的gazemaps输入回归网络中对视线方向进行估计。我们的回归网络是基于Dense Net的网络结构,为了验证该网络的有效性,我们也在其它一些经典网络框架上进行了有效性分析的对比实验。最后,我们在三个基准数据集（MPIIGaze、EYEDIAP和Columbia）上对我们的模型进行了评估,实验表明CGE能够准确的对3D视线方向进行估计。