論文の概要: XRZoo: A Large-Scale and Versatile Dataset of Extended Reality (XR) Applications

• arxiv url: http://arxiv.org/abs/2412.06759v1
• Date: Mon, 09 Dec 2024 18:49:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:59:13.766606
• Title: XRZoo: A Large-Scale and Versatile Dataset of Extended Reality (XR) Applications
• Title（参考訳）: XRZoo: 拡張現実性(XR)アプリケーションの大規模かつ多目的なデータセット
• Authors: Shuqing Li, Chenran Zhang, Cuiyun Gao, Michael R. Lyu,
• Abstract要約: XRZooには12,528の無料XRアプリケーションがあり、9つのアプリストア、すべてのXR技術(AR、MR、VRなど)、ユースケースにまたがっている。 我々は,再現可能なXRソフトウェア工学とセキュリティ研究を育成し,学際的な調査を可能にするとともに,先進的なXRシステムの開発を支援することを目的としている。
• 参考スコア（独自算出の注目度）: 36.285311508797825
• License:
• Abstract: The rapid advancement of Extended Reality (XR, encompassing AR, MR, and VR) and spatial computing technologies forms a foundational layer for the emerging Metaverse, enabling innovative applications across healthcare, education, manufacturing, and entertainment. However, research in this area is often limited by the lack of large, representative, and highquality application datasets that can support empirical studies and the development of new approaches benefiting XR software processes. In this paper, we introduce XRZoo, a comprehensive and curated dataset of XR applications designed to bridge this gap. XRZoo contains 12,528 free XR applications, spanning nine app stores, across all XR techniques (i.e., AR, MR, and VR) and use cases, with detailed metadata on key aspects such as application descriptions, application categories, release dates, user review numbers, and hardware specifications, etc. By making XRZoo publicly available, we aim to foster reproducible XR software engineering and security research, enable cross-disciplinary investigations, and also support the development of advanced XR systems by providing examples to developers. Our dataset serves as a valuable resource for researchers and practitioners interested in improving the scalability, usability, and effectiveness of XR applications. XRZoo will be released and actively maintained.
• Abstract（参考訳）: 拡張現実感(XR、AR、MR、VRを含む)と空間コンピューティング技術の急速な進歩は、医療、教育、製造、エンターテイメントにおける革新的な応用を可能にするメタバースの基盤となる。 しかし、この分野での研究は、大規模な、代表的で高品質なアプリケーションデータセットが欠如していることや、XRソフトウェアプロセスに役立つ新しいアプローチの開発によって制限されることが多い。 本稿では,このギャップを埋めるために設計されたXRアプリケーションの包括的でキュレートされたデータセットであるXRZooを紹介する。 XRZooには、9つのアプリストア(AR、MR、VRなど)にまたがる12,528の無料XRアプリケーションとユースケースが含まれており、アプリケーション記述、アプリケーションカテゴリ、リリース日、ユーザレビュー番号、ハードウェア仕様などの重要な側面に関する詳細なメタデータがある。 XRZooを一般公開することで、再現可能なXRソフトウェアエンジニアリングとセキュリティ研究を促進し、学際的な調査を可能にするとともに、開発者に実例を提供することで、先進的なXRシステムの開発を支援することを目指している。 我々のデータセットは、XRアプリケーションのスケーラビリティ、ユーザビリティ、有効性の改善に関心のある研究者や実践者にとって貴重なリソースとして役立ちます。 XRZooはリリースされ、アクティブにメンテナンスされる。

関連論文リスト

• RLeXplore: Accelerating Research in Intrinsically-Motivated Reinforcement Learning [50.55776190278426]
  外部報酬は、特定のタスクにおける強化学習(RL)エージェントを効果的に導くことができる。 RLeXploreは,8つの最先端固有の報酬アルゴリズムの信頼性を実現する,統一的で高度にモジュール化されたプラグイン・アンド・プレイフレームワークである。
  論文  参考訳（メタデータ） (2024-05-29T22:23:20Z)
• FlashRAG: A Modular Toolkit for Efficient Retrieval-Augmented Generation Research [32.820100519805486]
  FlashRAGは、研究者が既存のRAGメソッドを再現し、統一されたフレームワーク内で独自のRAGアルゴリズムを開発するのを支援するために設計された、効率的でモジュール化されたオープンソースツールキットである。 私たちのツールキットには、カスタマイズ可能なモジュラーフレームワーク、実装済みRAGワークの豊富なコレクション、包括的なデータセット、効率的な補助的な前処理スクリプト、広範囲で標準的な評価指標など、さまざまな機能があります。
  論文  参考訳（メタデータ） (2024-05-22T12:12:40Z)
• A Performance Analysis Modeling Framework for Extended Reality Applications in Edge-Assisted Wireless Networks [22.191639532017724]
  拡張現実(XR)は、拡張現実、混合、およびバーチャルリアリティアプリケーションの出現により、研究コミュニティのアトラクションの中心にある。 XRアプリケーションの有効性を評価するには総合的な性能解析モデルが必要である。 エッジアシスト無線ネットワークを考慮したXRアプリケーションの性能解析のための新しいモデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-11T15:16:12Z)
• Versatile User Identification in Extended Reality using Pretrained Similarity-Learning [16.356961801884562]
  類似性学習モデルを開発し、“Who Is Alyx?”データセットで事前学習する。 従来の分類学習ベースラインと比較して,本モデルは優れた性能を示す。 本手法は,実運用XRシステムにおける事前学習した動きに基づく識別モデルの容易な統合方法である。
  論文  参考訳（メタデータ） (2023-02-15T08:26:24Z)
• Benchmark Dataset and Effective Inter-Frame Alignment for Real-World Video Super-Resolution [65.20905703823965]
  ビデオ超解像(VSR)は、高解像度(HR)動画を低解像度(LR)ビデオから再構成することを目的としており、近年大きく進歩している。 既存のVSRメソッドを複雑な劣化を伴う実世界のデータにデプロイすることは依然として困難である。 EAVSRは、提案した多層適応空間変換ネットワーク(MultiAdaSTN)を用いて、事前学習した光フロー推定ネットワークが提供するオフセットを洗練する。
  論文  参考訳（メタデータ） (2022-12-10T17:41:46Z)
• LaMAR: Benchmarking Localization and Mapping for Augmented Reality [80.23361950062302]
  異種ARデバイスでキャプチャされたリアルな軌跡とセンサストリームを共登録する,包括的キャプチャとGTパイプラインを備えた新しいベンチマークであるLaMARを紹介する。 私たちは、ヘッドマウントとハンドヘルドARデバイスで記録された多様な大規模シーンのベンチマークデータセットを公開します。
  論文  参考訳（メタデータ） (2022-10-19T17:58:17Z)
• Pyxis: An Open-Source Performance Dataset of Sparse Accelerators [10.18035715512647]
  PYXISはスパースデータ上の特別なアクセラレータのパフォーマンスデータセットである。 PYXISはオープンソースであり、新しいアクセラレータ設計とパフォーマンス統計でPYXISを常に成長させています。
  論文  参考訳（メタデータ） (2021-10-08T17:46:51Z)
• A survey on applications of augmented, mixed and virtual reality for nature and environment [114.4879749449579]
  拡張現実(AR)、仮想現実(VR)、複合現実(MR)は、彼らが提供できるエンゲージメントとエンリッチな体験のために、大きな潜在能力を持つ技術である。 しかし、環境応用の分野でAR、VR、MRがもたらす可能性はまだ広く研究されていない。 本研究は,環境に有利な既存のAR/VR/MRアプリケーションを発見・分類したり,環境問題に対する意識を高めることを目的とした調査の結果を示す。
  論文  参考訳（メタデータ） (2020-08-27T09:59:27Z)

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。