論文の概要: Evaluating Deep Networks for Detecting User Familiarity with VR from
Hand Interactions
- arxiv url: http://arxiv.org/abs/2401.16443v1
- Date: Sat, 27 Jan 2024 19:15:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-31 17:40:02.811622
- Title: Evaluating Deep Networks for Detecting User Familiarity with VR from
Hand Interactions
- Title(参考訳): 手作業によるvrの親密性検出のための深層ネットワーク評価
- Authors: Mingjun Li, Numan Zafar, Natasha Kholgade Banerjee, Sean Banerjee
- Abstract要約: 会議室やオフィス、クリニックなど、共同の仮想空間への入り口として、私たちはVRドアを使用します。
ユーザーはVRに慣れていないかもしれないが、ドアを開くのに慣れているだろう。
VRに精通した7人のユーザとVRに精通していない7人のユーザからなるパイロットデータセットを使用して、6人のテストユーザ、3人の馴染みのない3人のテストユーザを、残りの8人のデータを使ってトレーニングされた分類器で評価すると、88.03%の精度を得る。
- 参考スコア(独自算出の注目度): 7.609875877250929
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: As VR devices become more prevalent in the consumer space, VR applications
are likely to be increasingly used by users unfamiliar with VR. Detecting the
familiarity level of a user with VR as an interaction medium provides the
potential of providing on-demand training for acclimatization and prevents the
user from being burdened by the VR environment in accomplishing their tasks. In
this work, we present preliminary results of using deep classifiers to conduct
automatic detection of familiarity with VR by using hand tracking of the user
as they interact with a numeric passcode entry panel to unlock a VR door. We
use a VR door as we envision it to the first point of entry to collaborative
virtual spaces, such as meeting rooms, offices, or clinics. Users who are
unfamiliar with VR will have used their hands to open doors with passcode entry
panels in the real world. Thus, while the user may not be familiar with VR,
they would be familiar with the task of opening the door. Using a pilot dataset
consisting of 7 users familiar with VR, and 7 not familiar with VR, we acquire
highest accuracy of 88.03\% when 6 test users, 3 familiar and 3 not familiar,
are evaluated with classifiers trained using data from the remaining 8 users.
Our results indicate potential for using user movement data to detect
familiarity for the simple yet important task of secure passcode-based access.
- Abstract(参考訳): VRデバイスが消費者の世界で普及するにつれ、VRアプリケーションの利用は、VRに慣れていないユーザーがますます多くなっている。
インタラクション媒体としてのvrによるユーザの親しみ度レベルの検出は、アクリマティゼーションのためのオンデマンドトレーニングを提供する可能性を提供し、タスクの達成において、ユーザがvr環境に負担されるのを防止する。
本研究では,vrドアをアンロックするために,数値パスコード入力パネルと対話するユーザのハンドトラッキングを用いて,vrへの親密度の自動検出を行うために,深層分類器を用いた予備的な結果を示す。
会議室やオフィス、クリニックなど、共同の仮想空間への入り口として、私たちはVRドアを使用します。
VRに慣れていないユーザーは、現実世界のパスコード入力パネルでドアを開けるために手を使っていただろう。
したがって、ユーザーはVRに慣れていないかもしれないが、ドアを開ける作業に精通しているだろう。
vrに精通した7名と、vrに精通していない7名からなるパイロットデータセットを用いて、残りの8名のユーザからのデータを用いて訓練された分類器を用いて、6名のテストユーザ、3名、および3名の見慣れないユーザによる最高精度の88.03\%を取得する。
本研究は,ユーザ移動データを用いて,セキュアなパスコードベースアクセスの単純かつ重要なタスクの親近性を検出する可能性を示す。
関連論文リスト
- Hands-Free VR [46.09189595704163]
本稿は、VRのための音声ベースの自然言語インタフェースであるHands-Free VRを紹介する。
ユーザは音声を使ってコマンドを与え、音声音声データを音声からテキストへの深層学習モデルを用いてテキストに変換する。
テキストは、自然言語の多様性に対して堅牢な大きな言語モデルを使用して、実行可能VRコマンドにマッピングされる。
論文 参考訳(メタデータ) (2024-02-23T04:02:23Z) - An Empirical Study on Oculus Virtual Reality Applications: Security and
Privacy Perspectives [46.995904896724994]
本稿では,VRアプリのためのセキュリティとプライバシ評価ツールであるVR-SP検出器を開発する。
筆者らはVR-SP検出器を用いて,500種類のVRアプリに関する総合的研究を行った。
VRアプリには、セキュリティ上の脆弱性やプライバシリークが数多く存在していることが分かりました。
論文 参考訳(メタデータ) (2024-02-21T13:53:25Z) - Privacy concerns from variances in spatial navigability in VR [0.0]
現在のバーチャルリアリティ(VR)入力デバイスは、仮想環境をナビゲートし、ユーザの動きや特定の行動習慣に関する没入的でパーソナライズされたデータを記録することができる。
本稿では,VRにおける既存のプライバシー問題に対する対処手段として,機械学習による学習アルゴリズムについて検討する。
論文 参考訳(メタデータ) (2023-02-06T01:48:59Z) - Force-Aware Interface via Electromyography for Natural VR/AR Interaction [69.1332992637271]
我々はVR/ARにおける自然的および直感的な力入力のための学習ベースのニューラルネットワークを設計する。
我々は,3.3%の平均誤差で指の力量をリアルタイムでデコードし,キャリブレーションの少ない新規ユーザに一般化できることを実証した。
今後のVR/ARにおける、より現実的な物理性に向けた研究を進めるために、我々の研究成果を期待する。
論文 参考訳(メタデータ) (2022-10-03T20:51:25Z) - Learning Effect of Lay People in Gesture-Based Locomotion in Virtual
Reality [81.5101473684021]
最も有望な方法はジェスチャーベースであり、追加のハンドヘルドハードウェアを必要としない。
最近の研究は、主に異なるロコモーションテクニックのユーザの好みとパフォーマンスに焦点を当てている。
本研究は,VRにおける手のジェスチャーに基づくロコモーションシステムへの適応の迅速さについて検討した。
論文 参考訳(メタデータ) (2022-06-16T10:44:16Z) - Wireless Edge-Empowered Metaverse: A Learning-Based Incentive Mechanism
for Virtual Reality [102.4151387131726]
メタバースにおけるVRサービスのための学習型インセンティブメカニズムフレームワークを提案する。
まず,仮想世界におけるVRユーザのための指標として,知覚の質を提案する。
第二に、VRユーザー(買い手)とVR SP(売り手)間のVRサービスの迅速な取引のために、オランダの二重オークション機構を設計する。
第3に,この競売プロセスの高速化を目的とした深層強化学習型競売機を設計する。
論文 参考訳(メタデータ) (2021-11-07T13:02:52Z) - Meta-Reinforcement Learning for Reliable Communication in THz/VLC
Wireless VR Networks [157.42035777757292]
屋内テラヘルツ(THz)/可視光通信(VLC)無線ネットワークにおいて,仮想現実(VR)サービスの品質向上の問題について検討した。
小型基地局(sbss)は高品質のvr画像をthzバンド経由でvrユーザーに送信し、発光ダイオード(led)は正確な屋内測位サービスを提供する。
研究したTHz/VLC無線VRネットワークのエネルギー消費を制御するには、VLCアクセスポイント(VAP)を選択的にオンにする必要がある。
論文 参考訳(メタデータ) (2021-01-29T15:57:25Z) - Learning-based Prediction and Uplink Retransmission for Wireless Virtual
Reality (VR) Network [29.640073851481066]
本稿では、オフラインおよびオンライン学習アルゴリズムを用いて、実際のvrデータセットを用いて、vrユーザの視点を予測する。
提案手法は,無線VRネットワークを有効再送信方式で接続するオンライン学習アルゴリズムでは,約5%の予測誤差しか示さない。
論文 参考訳(メタデータ) (2020-12-16T18:31:05Z)
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。