論文の概要: LiteVR: Interpretable and Lightweight Cybersickness Detection using
Explainable AI
- arxiv url: http://arxiv.org/abs/2302.03037v1
- Date: Sun, 5 Feb 2023 21:51:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-08 18:29:46.075812
- Title: LiteVR: Interpretable and Lightweight Cybersickness Detection using
Explainable AI
- Title(参考訳): LiteVR: 説明可能なAIによる解釈と軽量サイバーシック検出
- Authors: Ripan Kumar Kundu, Rifatul Islam, John Quarles, Khaza Anuarul Hoque
- Abstract要約: サイバーシックネス(Cybersickness)は、仮想現実(VR)ユーザーエクスペリエンスに関連する一般的な障害である。
我々はサイバーシック検出のための説明可能な人工知能(XAI)ベースのフレームワーク LiteVR を提案する。
- 参考スコア(独自算出の注目度): 1.1470070927586016
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Cybersickness is a common ailment associated with virtual reality (VR) user
experiences. Several automated methods exist based on machine learning (ML) and
deep learning (DL) to detect cybersickness. However, most of these
cybersickness detection methods are perceived as computationally intensive and
black-box methods. Thus, those techniques are neither trustworthy nor practical
for deploying on standalone energy-constrained VR head-mounted devices (HMDs).
In this work, we present an explainable artificial intelligence (XAI)-based
framework, LiteVR, for cybersickness detection, explaining the model's outcome
and reducing the feature dimensions and overall computational costs. First, we
develop three cybersickness DL models based on long-term short-term memory
(LSTM), gated recurrent unit (GRU), and multilayer perceptron (MLP). Then, we
employed a post-hoc explanation, such as SHapley Additive Explanations (SHAP),
to explain the results and extract the most dominant features of cybersickness.
Finally, we retrain the DL models with the reduced number of features. Our
results show that eye-tracking features are the most dominant for cybersickness
detection. Furthermore, based on the XAI-based feature ranking and
dimensionality reduction, we significantly reduce the model's size by up to
4.3x, training time by up to 5.6x, and its inference time by up to 3.8x, with
higher cybersickness detection accuracy and low regression error (i.e., on Fast
Motion Scale (FMS)). Our proposed lite LSTM model obtained an accuracy of 94%
in classifying cybersickness and regressing (i.e., FMS 1-10) with a Root Mean
Square Error (RMSE) of 0.30, which outperforms the state-of-the-art. Our
proposed LiteVR framework can help researchers and practitioners analyze,
detect, and deploy their DL-based cybersickness detection models in standalone
VR HMDs.
- Abstract(参考訳): サイバーシックネス(Cybersickness)は、仮想現実(VR)ユーザーエクスペリエンスに関連する一般的な障害である。
サイバーシックを検出する機械学習(ML)とディープラーニング(DL)に基づいて、いくつかの自動化手法が存在する。
しかし,これらのサイバーシック検出手法のほとんどは,計算集約的かつブラックボックス的手法として認識されている。
したがって、これらの技術は、スタンドアロンのエネルギー制約付きVRヘッドマウントデバイス(HMD)にデプロイする上で、信頼性も実用的でもない。
本稿では、サイバーシック検出のための説明可能な人工知能(XAI)ベースのフレームワークLiteVRを紹介し、モデルの結果を説明し、特徴量と全体的な計算コストを削減する。
まず、長期短期記憶(LSTM)、ゲートリカレントユニット(GRU)、多層パーセプトロン(MLP)に基づく3つのサイバーシック性DLモデルを開発する。
次に、SHAP(SHapley Additive Explanations)のようなポストホックな説明を用いて結果を説明し、サイバーシックの最も支配的な特徴を抽出した。
最後に,特徴量を減らすことでDLモデルを再学習する。
以上の結果から,視線追跡機能はサイバーシック検出において最有力であることが示唆された。
さらに,xaiに基づく特徴のランク付けと次元の縮小により,モデルのサイズを最大4.3倍,トレーニング時間を最大5.6倍,推論時間を最大3.8倍削減し,サイバーシックネス検出精度と回帰誤差(即ち高速モーションスケール(fms))を低減した。
提案モデルでは,サイバーシック度と回帰率(FMS 1-10)を0.30のルート平均角誤差(RMSE)で94%の精度で評価した。
提案するLiteVRフレームワークは,DLベースのサイバーシック検出モデルをスタンドアロンのVR HMDで分析,検出,展開する上で有効である。
関連論文リスト
- Efficient Slice Anomaly Detection Network for 3D Brain MRI Volume [2.3633885460047765]
現在の異常検出法は, 基準産業データより優れているが, 「正常」 と「異常」の定義の相違により, 医療データに苦慮している。
我々は,ImageNet上で事前学習し,MRIデータセットを2次元スライス特徴抽出器として微調整したモデルを用いたSimple Slice-based Network (SimpleSliceNet) というフレームワークを提案する。
論文 参考訳(メタデータ) (2024-08-28T17:20:56Z) - Utilizing Machine Learning and 3D Neuroimaging to Predict Hearing Loss: A Comparative Analysis of Dimensionality Reduction and Regression Techniques [0.0]
我々は,脳の灰白質3次元画像における難聴閾値を予測するための機械学習アプローチについて検討した。
第1フェーズでは,3次元CNNモデルを用いて,遅延空間への高次元入力を低減した。
第2フェーズでは、このモデルを使用して、リッチな機能への入力を削減した。
論文 参考訳(メタデータ) (2024-04-30T18:39:41Z) - Cybersickness Detection through Head Movement Patterns: A Promising
Approach [1.1562071835482226]
本研究では,サイバーシック検出のための新しい生理指標としての頭部運動パターンについて検討する。
頭部の動きは、あらゆる商用VRヘッドセットに埋め込まれたセンサーを通して簡単に捉えられる、連続的で非侵襲的な測定手段を提供する。
論文 参考訳(メタデータ) (2024-02-05T04:49:59Z) - Random resistive memory-based deep extreme point learning machine for
unified visual processing [67.51600474104171]
ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。
我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
論文 参考訳(メタデータ) (2023-12-14T09:46:16Z) - UncLe-SLAM: Uncertainty Learning for Dense Neural SLAM [60.575435353047304]
我々は、高密度ニューラルネットワークの同時局所化とマッピング(SLAM)のための不確実性学習フレームワークを提案する。
本稿では,2次元入力データのみから自己教師付きで学習可能なセンサ不確実性推定のためのオンラインフレームワークを提案する。
論文 参考訳(メタデータ) (2023-06-19T16:26:25Z) - VR-LENS: Super Learning-based Cybersickness Detection and Explainable
AI-Guided Deployment in Virtual Reality [1.9642496463491053]
本研究は、サイバーシック検出MLモデルを開発するための、説明可能な人工知能(XAI)ベースのフレームワークであるVR-LENSを提案する。
我々はまず,サイバーシック検出のための新しいスーパーラーニングベースのアンサンブルMLモデルを開発した。
本手法は, 眼球運動, プレイヤー位置, ガルバニックスキン/ハートレート応答を, 統合センサ, ゲームプレイ, 生体生理学的データセットの最も重要な特徴として同定した。
論文 参考訳(メタデータ) (2023-02-03T20:15:51Z) - Autoregressive Uncertainty Modeling for 3D Bounding Box Prediction [63.3021778885906]
3Dバウンディングボックスは、多くのコンピュータビジョンアプリケーションで広く使われている中間表現である。
本稿では,自己回帰モデルを利用して高い信頼度予測と意味のある不確実性対策を行う手法を提案する。
我々はシミュレーションデータセットであるCOB-3Dをリリースし、現実世界のロボティクスアプリケーションで発生する新しいタイプのあいまいさを強調します。
論文 参考訳(メタデータ) (2022-10-13T23:57:40Z) - Self-Supervised Masked Convolutional Transformer Block for Anomaly
Detection [122.4894940892536]
本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。
本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
論文 参考訳(メタデータ) (2022-09-25T04:56:10Z) - TruVR: Trustworthy Cybersickness Detection using Explainable Machine
Learning [1.9642496463491053]
サイバーシックネスは、バーチャルリアリティ(VR)システムを使用する際に、吐き気、めまい、頭痛、目の緊張、その他の不快感によって特徴づけられる。
以前報告された機械学習(ML)とディープラーニング(DL)アルゴリズムは、ブラックボックスモデルを使用してVRサイバーシックの検出(分類)と予測(回帰)を行う。
サイバーシックを検知し,予測するための3つの説明可能な機械学習モデルを提案する。
論文 参考訳(メタデータ) (2022-09-12T13:55:13Z) - Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse
Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。
学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
論文 参考訳(メタデータ) (2022-09-07T15:15:12Z) - Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing
Things [82.15959827765325]
環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。
我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。
我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
論文 参考訳(メタデータ) (2022-07-14T10:04:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。