論文の概要: SurfaceXR: Fusing Smartwatch IMUs and Egocentric Hand Pose for Seamless Surface Interactions

• arxiv url: http://arxiv.org/abs/2603.19529v1
• Date: Thu, 19 Mar 2026 23:47:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:38.920035
• Title: SurfaceXR: Fusing Smartwatch IMUs and Egocentric Hand Pose for Seamless Surface Interactions
• Title（参考訳）: SurfaceXR:シームレス表面インタラクションのためのスマートウォッチIMUとエゴセントリックハンドポース
• Authors: Vasco Xu, Brian Chen, Eric J. Gonzalez, Andrea Colaço, Henry Hoffmann, Mar Gonzalez-Franco, Karan Ahuja,
• Abstract要約: SurfaceXRは、ヘッドセットベースのハンドトラッキングとスマートウォッチのIMUデータを組み合わせて、日常の表面で堅牢な入力を可能にする。 21人の参加者による研究は、SurfaceXRのタッチトラッキングと8クラスのジェスチャー認識の有効性を検証する。
• 参考スコア（独自算出の注目度）: 13.164027404618482
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mid-air gestures in Extended Reality (XR) often cause fatigue and imprecision. Surface-based interactions offer improved accuracy and comfort, but current egocentric vision methods struggle due to hand tracking challenges and unreliable surface plane estimation. We introduce SurfaceXR, a sensor fusion approach combining headset-based hand tracking with smartwatch IMU data to enable robust inputs on everyday surfaces. Our insight is that these modalities are complementary: hand tracking provides 3D positional data while IMUs capture high-frequency motion. A 21-participant study validates SurfaceXR's effectiveness for touch tracking and 8-class gesture recognition, demonstrating significant improvements over single-modality approaches.
• Abstract（参考訳）: 拡張現実感(XR)の空中ジェスチャーは、しばしば疲労と不正確さを引き起こす。 表面をベースとしたインタラクションは精度と快適性を向上させるが、現在の自我中心の視覚手法は、ハンドトラッキングの課題と信頼性の低い平面推定のために困難である。 我々は、ヘッドセットベースのハンドトラッキングとスマートウォッチIMUデータを組み合わせたセンサー融合アプローチであるSurfaceXRを導入し、日常的な表面での堅牢な入力を可能にした。 ハンドトラッキングは3次元の位置データを提供するが、IMUは高周波の動きを捉えている。 21人の参加者による研究は、SurfaceXRがタッチトラッキングと8クラスのジェスチャー認識に有効であることを検証する。

関連論文リスト

• HandMCM: Multi-modal Point Cloud-based Correspondence State Space Model for 3D Hand Pose Estimation [60.2305990057581]
  3Dハンドポーズ推定は、拡張現実のような多くの人間とコンピュータのインタラクションアプリケーションにとって不可欠である。 HandMCMは強力な状態空間モデル(Mamba)に基づく新しい手法である
  論文  参考訳（メタデータ） (2026-02-02T03:25:43Z)
• Human Motion Estimation with Everyday Wearables [30.10082832231011]
  EveryWearは、日常的なウェアラブルをベースとした、軽量で実用的な人間のモーションキャプチャーアプローチである。 我々はEgo-Elecを紹介した。Ego-Elecは実世界の9時間データセットで、17の屋内および屋外環境にわたる56の日々の活動をカバーしている。 このアプローチでは,エゴセントリックカメラからの視覚的手がかりと,コンシューマデバイスからの慣性信号を統合するマルチモーダルな教師学習フレームワークを採用している。
  論文  参考訳（メタデータ） (2025-12-24T14:44:51Z)
• RoboTracer: Mastering Spatial Trace with Reasoning in Vision-Language Models for Robotics [53.053660003572965]
  本稿では,3次元空間参照と計測の両方を初めて実現した3D対応VLMであるRoboTracerを提案する。 RoboTracerは、強化微調整により、多段階のメートル法推論を進める。 本稿では,空間的トレーシングを評価する上で困難なベンチマークであるTraceSpatial-Benchを提案する。
  論文  参考訳（メタデータ） (2025-12-15T18:52:43Z)
• LeAD-M3D: Leveraging Asymmetric Distillation for Real-time Monocular 3D Detection [72.97402509843484]
  LeAD-M3Dは最先端のモノクル3D検出器であり、余分なモダリティを伴わずに最先端の精度とリアルタイムの推論を実現する。 非対称増強脱ノイズ蒸留(A2D2)は、幾何学的知識をクリーンイメージの教師からミックスアップノイズの学生に伝達する。 3D-Aware Consistent Matching (CM3D) は、予測と地上の真理の割り当てを改善する。 CGI3D(Confidence-Gated 3D Inference)は、高額な3Dレグレッションをトップ信頼領域に制限することで、検出を加速する。
  論文  参考訳（メタデータ） (2025-12-05T12:08:18Z)
• What You Have is What You Track: Adaptive and Robust Multimodal Tracking [72.92244578461869]
  本研究では,時間的に不完全なマルチモーダルデータを用いたトラッカー性能に関する総合的研究を行った。 我々のモデルは9つのベンチマークでSOTA性能を達成し、従来の完全性と欠落したモダリティ設定の両方で優れている。
  論文  参考訳（メタデータ） (2025-07-08T11:40:21Z)
• mmEgoHand: Egocentric Hand Pose Estimation and Gesture Recognition with Head-mounted Millimeter-wave Radar and IMU [15.086294532079908]
  mmEgoHandは、手振り推定のためのヘッドマウントエゴセントリックシステムである。 ジェスチャー認識、VRインタラクション、スキルのデジタル化とアセスメント、ロボット遠隔操作などのアプリケーションをサポートする。 mmEgoHandは、動的知覚を可能にするために、mmWaveレーダーと慣性測定ユニット(IMU)を統合する。
  論文  参考訳（メタデータ） (2025-01-23T16:25:08Z)
• Combining Vision and EMG-Based Hand Tracking for Extended Reality Musical Instruments [0.0]
  自己閉塞は、視覚に基づく手の動き追跡システムにとって重要な課題である。 本研究では,指関節角度推定のための視覚ベースハンドトラッキングと表面筋電図(SEMG)データを組み合わせたマルチモーダルハンドトラッキングシステムを提案する。
  論文  参考訳（メタデータ） (2023-07-13T15:15:02Z)
• HMD-EgoPose: Head-Mounted Display-Based Egocentric Marker-Less Tool and Hand Pose Estimation for Augmented Surgical Guidance [0.0]
  HMD-EgoPoseは、手動とオブジェクトのポーズ推定のための単発学習に基づくアプローチである。 マーカーレスハンドと手術器具のポーズトラッキングのためのベンチマークデータセット上で,最先端の性能を示す。
  論文  参考訳（メタデータ） (2022-02-24T04:07:34Z)
• RGB2Hands: Real-Time Tracking of 3D Hand Interactions from Monocular RGB Video [76.86512780916827]
  本稿では,1台のRGBカメラによる骨格ポーズのモーションキャプチャと手の表面形状をリアルタイムに計測する手法を提案する。 RGBデータの本質的な深さの曖昧さに対処するために,我々は新しいマルチタスクCNNを提案する。 RGBの片手追跡と3D再構築パイプラインの個々のコンポーネントを実験的に検証した。
  論文  参考訳（メタデータ） (2021-06-22T12:53:56Z)
• SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
  センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。 動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。 評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-04T23:06:56Z)
• The Phong Surface: Efficient 3D Model Fitting using Lifted Optimization [9.619889745900009]
  混合現実におけるリアルタイム知覚と相互作用の能力は、低レイテンシで解決すべき様々な3D追跡問題を必要とする。 我々は新しい表面モデル「フォン面」を導入する。 コンピュータグラフィックスのアイデアを用いて、Pong表面は三角形メッシュモデルと同じ3次元形状を記述しているが、連続した表面正規値を持つ。 我々は, 三角形メッシュがそうでないのに対して, フォン曲面は滑らかな曲面モデルの収束の利点を保っていることを示す。
  論文  参考訳（メタデータ） (2020-07-09T17:10:11Z)

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。