論文の概要: A Vision for AI-Driven Adaptation of Dynamic AR Content to Users and Environments

• arxiv url: http://arxiv.org/abs/2504.16562v1
• Date: Wed, 23 Apr 2025 09:42:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 17:12:56.285317
• Title: A Vision for AI-Driven Adaptation of Dynamic AR Content to Users and Environments
• Title（参考訳）: AIによる動的ARコンテンツのユーザと環境への適応
• Authors: Julian Rasch, Florian Müller, Francesco Chiossi,
• Abstract要約: このビジョンペーパーは、適応ARコンテンツ配置のためのAI駆動アプローチを推測する。 我々は、様々な産業におけるイノベーションと改善の新たな機会を構想することを目指している。
• 参考スコア（独自算出の注目度）: 15.578223073114156
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Augmented Reality (AR) is transforming the way we interact with virtual information in the physical world. By overlaying digital content in real-world environments, AR enables new forms of immersive and engaging experiences. However, existing AR systems often struggle to effectively manage the many interactive possibilities that AR presents. This vision paper speculates on AI-driven approaches for adaptive AR content placement, dynamically adjusting to user movement and environmental changes. By leveraging machine learning methods, such a system would intelligently manage content distribution between AR projections integrated into the external environment and fixed static content, enabling seamless UI layout and potentially reducing users' cognitive load. By exploring the possibilities of AI-driven dynamic AR content placement, we aim to envision new opportunities for innovation and improvement in various industries, from urban navigation and workplace productivity to immersive learning and beyond. This paper outlines a vision for the development of more intuitive, engaging, and effective AI-powered AR experiences.
• Abstract（参考訳）: Augmented Reality(AR)は、物理世界の仮想情報との対話方法を変えつつある。 現実世界の環境でデジタルコンテンツをオーバーレイすることで、ARは新しいタイプの没入感とエンゲージメント体験を可能にする。 しかし、既存のARシステムは、ARが提示する多くのインタラクティブな可能性を効果的に管理するのに苦労することが多い。 このビジョンペーパーは、AIによる適応ARコンテンツ配置のアプローチを推測し、ユーザの動きや環境の変化に合わせて動的に調整する。 機械学習の手法を活用することで、外部環境と固定された静的コンテンツに統合されたARプロジェクション間のコンテンツ分布をインテリジェントに管理し、シームレスなUIレイアウトを可能にし、ユーザの認知負荷を低減できる。 AIによる動的ARコンテンツの配置の可能性を探ることで、都市ナビゲーションや職場生産性から没入型学習など、さまざまな産業におけるイノベーションと改善の新たな機会を開拓することを目指している。 本稿では、より直感的で魅力的で効果的なAIを利用したAR体験を開発するためのビジョンを概説する。

関連論文リスト

• Large Model Empowered Metaverse: State-of-the-Art, Challenges and Opportunities [23.465545107612595]
  Metaverseは没入型で永続的なデジタルエコシステムであり、ユーザは3D仮想環境内で対話し、社交し、作業することができる。 本稿では,メタバースにおける大規模モデルの統合について検討する。 メタバースレンダリングを最適化するための生成AIベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-18T13:52:48Z)
• Everyday AR through AI-in-the-Loop [16.65802031939239]
  このワークショップは、拡張現実(AR)と人工知能(AI)の専門家と実践者を集結させ、日々のAR体験におけるAI-in-the-loopの未来を形作る。 適応的かつコンテキスト対応のAR、生成的ARコンテンツ生成、常時オンのAIアシスタント、AI駆動のアクセシブルデザイン、実世界のAIエージェントなど、さまざまなトピックについて議論する。 私たちのゴールは、デジタルと物理の世界をシームレスにブレンドする新しいAR体験を作ることに集中して、AI対応ARの機会と課題を特定することです。
  論文  参考訳（メタデータ） (2024-12-17T08:51:55Z)
• Multimodal 3D Fusion and In-Situ Learning for Spatially Aware AI [10.335943413484815]
  拡張現実における仮想世界と物理世界のシームレスな統合は、物理的な環境を意味的に「理解する」システムから恩恵を受ける。 本稿では,意味的知識と言語的知識を幾何学的表現と一体化する多モード3Dオブジェクト表現を提案する。 提案システムの有用性を,Magic Leap 2上の2つの実世界のARアプリケーションを用いて実証する:a) 自然言語を用いた物理環境における空間探索,b) 時間とともにオブジェクトの変化を追跡するインテリジェントなインベントリシステム。
  論文  参考訳（メタデータ） (2024-10-06T23:25:21Z)
• Haptic Repurposing with GenAI [5.424247121310253]
  Mixed Realityは、デジタル世界と物理的な世界を融合して、没入型人間とコンピュータのインタラクションを作ることを目指している。 本稿では,Haptic Repurposing with GenAIを紹介し,任意の物理オブジェクトをAI生成仮想アセットの適応型触覚インターフェースに変換することによってMRインタラクションを強化する革新的なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-11T13:06:28Z)
• On the Emergence of Symmetrical Reality [51.21203247240322]
  物理仮想アマルガメーションの様々な形態を包含した統一表現を提供する対称現実感フレームワークを導入する。 我々は、対称現実の潜在的な応用を示すAI駆動型アクティブアシストサービスの例を提案する。
  論文  参考訳（メタデータ） (2024-01-26T16:09:39Z)
• Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
  エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。 我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
  論文  参考訳（メタデータ） (2024-01-07T19:11:18Z)
• ArK: Augmented Reality with Knowledge Interactive Emergent Ability [115.72679420999535]
  基礎モデルから新しいドメインへの知識記憶の伝達を学習する無限エージェントを開発する。 私たちのアプローチの核心は、Augmented Reality with Knowledge Inference Interaction (ArK)と呼ばれる新しいメカニズムである。 我々のArKアプローチは,大規模な基礎モデルと組み合わせることで,生成された2D/3Dシーンの品質を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-05-01T17:57:01Z)
• 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)
• Artificial Intelligence Aided Next-Generation Networks Relying on UAVs [140.42435857856455]
  動的環境において,人工知能(AI)による無人航空機(UAV)による次世代ネットワーク支援が提案されている。 AI対応のUAV支援無線ネットワーク(UAWN)では、複数のUAVが航空基地局として使用され、ダイナミックな環境に迅速に適応することができる。 AIフレームワークの利点として、従来のUAWNのいくつかの課題が回避され、ネットワークパフォーマンスが向上し、信頼性が向上し、アジャイル適応性が向上する。
  論文  参考訳（メタデータ） (2020-01-28T15:10:22Z)
• Counterfactual Vision-and-Language Navigation via Adversarial Path Sampling [65.99956848461915]
  VLN(Vision-and-Language Navigation)は、エージェントが目標を達成するために3D環境を移動する方法を決定するタスクである。 VLNタスクの問題点の1つは、対話型環境において、人間に注釈を付けた指示で十分なナビゲーションパスを収集することは困難であるため、データの不足である。 本稿では,低品質な拡張データではなく,効果的な条件を考慮可能な,対向駆動の反実的推論モデルを提案する。
  論文  参考訳（メタデータ） (2019-11-17T18:02:51Z)

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。