論文の概要: STAR: Smartphone-analogous Typing in Augmented Reality

• arxiv url: http://arxiv.org/abs/2511.21143v1
• Date: Wed, 26 Nov 2025 07:53:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:59.017651
• Title: STAR: Smartphone-analogous Typing in Augmented Reality
• Title（参考訳）: STAR:スマートフォンによる拡張現実のタイピング
• Authors: Taejun Kim, Amy Karlson, Aakar Gupta, Tovi Grossman, Jason Wu, Parastoo Abtahi, Christopher Collins, Michael Glueck, Hemant Bhaskar Surale,
• Abstract要約: 本研究はスマートフォン対応ARテキスト入力技術STARを提案する。 STARでは、ユーザーは仮想QWERTYキーボードで親指入力を行う。 STARの評価研究において、被験者の平均タイピング速度は21.9WPM、平均エラーレートは30分後に0.3%に達した。
• 参考スコア（独自算出の注目度）: 22.217722884498087
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While text entry is an essential and frequent task in Augmented Reality (AR) applications, devising an efficient and easy-to-use text entry method for AR remains an open challenge. This research presents STAR, a smartphone-analogous AR text entry technique that leverages a user's familiarity with smartphone two-thumb typing. With STAR, a user performs thumb typing on a virtual QWERTY keyboard that is overlain on the skin of their hands. During an evaluation study of STAR, participants achieved a mean typing speed of 21.9 WPM (i.e., 56% of their smartphone typing speed), and a mean error rate of 0.3% after 30 minutes of practice. We further analyze the major factors implicated in the performance gap between STAR and smartphone typing, and discuss ways this gap could be narrowed.
• Abstract（参考訳）: テキスト入力は拡張現実(Augmented Reality, AR)アプリケーションにおいて必須かつ頻繁なタスクであるが、ARのための効率的で使いやすいテキスト入力方法を考案することは、依然としてオープンな課題である。 本研究は,スマートフォンの2スレッドタイピングに対するユーザの親しみを生かした,スマートフォン対応ARテキスト入力技術STARを提案する。 STARでは、ユーザーは仮想QWERTYキーボードで親指入力を行う。 STARの評価研究において、被験者の平均タイピング速度は21.9WPM(スマートフォンのタイピング速度の56%)、平均エラーレートは30分後に0.3%に達した。 さらに,STARとスマートフォンのタイピングにおけるパフォーマンスギャップに関連する主要な要因を分析し,このギャップを狭める方法について議論する。

関連論文リスト

• RingGesture: A Ring-Based Mid-Air Gesture Typing System Powered by a Deep-Learning Word Prediction Framework [2.4992122541451987]
  RingGestureは、電極を利用してジェスチャー軌道の開始と終了をマークするリングベースの空中ジェスチャータイピング技術である。 本稿では,3つの要素からなる新しい単語予測フレームワークであるScore Fusionを提案する。 RingGestureは平均テキスト入力速度が27.3ワード/分(WPM)、ピーク性能が47.9WPMである。
  論文  参考訳（メタデータ） (2024-10-08T13:15:30Z)
• TapType: Ten-finger text entry on everyday surfaces via Bayesian inference [32.33746932895968]
  TapTypeは、受動的表面のフルサイズのタイピングのためのモバイルテキスト入力システムである。 バンド内の慣性センサーから、TapTypeは、表面タップと従来のQWERTYキーボードレイアウトをデコードして関連付ける。
  論文  参考訳（メタデータ） (2024-10-08T12:58:31Z)
• Using Large Language Models to Accelerate Communication for Users with Severe Motor Impairments [17.715162857028595]
  本稿では,大規模言語モデル (LLM) と,テキスト入力のためのユーザインタフェースを高度に短縮した形で設計したSpeakFasterについて述べる。 モバイル端末上で手動入力を行う19人の非AAC参加者によるパイロット研究は、オフラインシミュレーションに従って、モーターセーブの増加を実証した。 筋萎縮性側索硬化症 (ALS) を呈する2人の眼球運動者を対象に, 実験とフィールドテストを行ったところ, 従来の基準値よりも29～60%高速であった。
  論文  参考訳（メタデータ） (2023-12-03T23:12:49Z)
• Generative Input: Towards Next-Generation Input Methods Paradigm [49.98958865125018]
  我々はGeneInputという新しい生成入力パラダイムを提案する。 すべての入力シナリオと他のインテリジェントな補助入力関数を処理するためにプロンプトを使用し、ユーザーフィードバックでモデルを最適化し、パーソナライズされた結果を提供する。 その結果,FK2C(Full-mode Key-sequence to Characters)タスクにおいて,最先端のパフォーマンスを初めて達成したことを示す。
  論文  参考訳（メタデータ） (2023-11-02T12:01:29Z)
• Typing on Any Surface: A Deep Learning-based Method for Real-Time Keystroke Detection in Augmented Reality [4.857109990499532]
  空中キーボードインターフェース、ワイヤレスキーボード、または音声入力は、エルゴノミクス設計が貧弱で、精度が限られているか、単に公の場で使うのが恥ずかしい。 本稿では、ユーザ視点のRGBビデオストリームから、ARアプリケーションがキーストロークを正確に予測できるディープラーニングベースのアプローチを提案し、検証する。 既製ハンドランドマーク抽出器と,適応型畳み込みリカレントニューラルネットワーク(C-RNN)を併用した2段階モデルを開発した。
  論文  参考訳（メタデータ） (2023-08-31T23:58:25Z)
• Multi-modal Queried Object Detection in the Wild [72.16067634379226]
  MQ-Detは、現実世界のオブジェクト検出のための効率的なアーキテクチャと事前学習戦略設計である。 既存の言語クエリのみの検出器に視覚クエリを組み込む。 MQ-Detのシンプルで効果的なアーキテクチャとトレーニング戦略設計は、ほとんどの言語でクエリされたオブジェクト検出器と互換性がある。
  論文  参考訳（メタデータ） (2023-05-30T12:24:38Z)
• Effidit: Your AI Writing Assistant [60.588370965898534]
  Effiditは、人工知能(AI)技術を使用して、ユーザーが高品質なテキストをより効率的に書けるようにするためのデジタルライティングアシスタントである。 Effiditでは、テキスト補完、エラーチェック、テキスト研磨、キーワード・トゥ・センテンス(K2S)、クラウド・インプット・メソッド(クラウドIME)の5つのカテゴリで機能を提供することで、筆記アシスタントの能力を大幅に拡大する。
  論文  参考訳（メタデータ） (2022-08-03T02:24:45Z)
• Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
  本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。 HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。 我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
  論文  参考訳（メタデータ） (2022-03-14T17:05:59Z)
• Towards Palmprint Verification On Smartphones [62.279124220123286]
  過去20年間の研究によると、ヤシの印刷物は独特性と永続性に優れた効果がある。 我々はスマートフォン用のDeepMPV+というDCNNベースのパームプリント検証システムを構築した。 DeepMPV+の効率と有効性は広範な実験によって裏付けられている。
  論文  参考訳（メタデータ） (2020-03-30T08:31:03Z)

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。