論文の概要: Lightweight Cybersickness Detection based on User-Specific Eye and Head Tracking Data in Virtual Reality
- arxiv url: http://arxiv.org/abs/2604.17158v1
- Date: Sat, 18 Apr 2026 22:10:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-21 21:52:52.364329
- Title: Lightweight Cybersickness Detection based on User-Specific Eye and Head Tracking Data in Virtual Reality
- Title（参考訳）: 仮想現実におけるユーザ特有の視線と頭部追跡データに基づく軽量サイバーシック検出
- Abstract要約: 既存のサイバーシック検出方法は、様々なレベルのサイバーシックをまたいだ検出信頼性の低下といった問題に悩まされることが多い。
本稿では,アンサンブル学習モデルとユーザ固有の視線・頭部追跡データを組み合わせた,サイバーシック検出のための軽量なアプローチについて検討する。
類似コンテンツセグメントのデータでトレーニングされたモデルは、ユーザ間設定で93%、ユーザ個人設定で88%の精度で、最良の結果が得られる。
- 参考スコア（独自算出の注目度）: 10.96867741875716
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The occurrence of cybersickness in virtual reality (VR) significantly impairs users' perception and sense of immersion. Therefore, timely detection of cybersickness and the application of appropriate intervention strategies are crucial for enhancing the user experience. However, existing cybersickness detection methods often suffer from issues such as poor detection reliability across different levels of cybersickness and unnecessary model complexity. Furthermore, while cybersickness exhibits significant inter-user variability, most existing approaches aggregate all data from users and lack user-specific solutions. In this paper, we investigate a lightweight approach for cybersickness detection incorporating an ensemble learning model and user-specific eye and head tracking data. Our experiments using the open-source dataset Simulation 2021 demonstrate that feature engineering and training set construction are critical for determining detection performance. Models trained with data from similar-content segments achieve the best results, attaining detection accuracies of 93% in the cross-user setting and 88% in the user-personalized setting, using only 23-dimensional eye and head features. Moreover, by using user-specific data, well-tuned ensemble learning models with shorter training and inference times can be feasibly applied to real-world cybersickness detection, offering superior time efficiency and outstanding detection performance. This work offers useful evidence toward the development of lightweight and user-adaptive cybersickness detection models for VR applications.
- Abstract（参考訳）: 仮想現実(VR)におけるサイバーシックネスの発生は、ユーザの知覚と没入感を著しく損なう。
したがって,サイバーシックのタイムリーな検出と適切な介入戦略の適用は,ユーザエクスペリエンスの向上に不可欠である。
しかし、既存のサイバーシック検出手法は、様々なレベルのサイバーシックネスと不必要なモデルの複雑さによる検出信頼性の低下といった問題に悩まされることが多い。
さらに、サイバーシックネスはユーザ間の大きなばらつきを示すが、既存のアプローチのほとんどは、ユーザのすべてのデータを集約し、ユーザ固有のソリューションを欠いている。
本稿では,アンサンブル学習モデルとユーザ固有の視線・頭部追跡データを組み合わせた,サイバーシック検出のための軽量なアプローチについて検討する。
オープンソースのデータセットシミュレーション2021を用いて,特徴工学とトレーニングセット構築が検出性能を決定する上で重要であることを示す。
類似コンテンツセグメントのデータで訓練されたモデルは、23次元の目と頭の特徴のみを用いて、ユーザ間設定で93%、ユーザ個人設定で88%の精度で検出できる。
さらに、ユーザ固有のデータを用いることで、トレーニング時間と推論時間を短縮した十分に調整されたアンサンブル学習モデルを現実のサイバーシック検出に適用し、より優れた時間効率と優れた検出性能を提供することができる。
この研究は、VRアプリケーションのための軽量でユーザ適応型のサイバーシック検出モデルの開発に有用な証拠を提供する。
関連論文リスト
- Predicting User Grasp Intentions in Virtual Reality [0.0]
対象の種類,サイズ,操作の異なる810の試験において,分類と回帰のアプローチを評価した。
回帰ベースのアプローチはより堅牢なパフォーマンスを示し、タイミングエラーは0.25秒以内、距離エラーは5～20cm程度である。
私たちの結果は、VRインタラクションを強化する機械学習モデルの可能性を強調します。
論文 参考訳（メタデータ） (2025-08-05T15:17:19Z) - Privacy-Preserving Driver Drowsiness Detection with Spatial Self-Attention and Federated Learning [10.067641629547014]
ドライバーの眠気は道路事故の主な原因の1つであり、交通事故による死亡事故の主要な原因と認識されている。
本研究では,不均質データと分散データとを効果的に扱えるよう設計した,眠気検出のための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-01T03:12:01Z) - Anomaly Detection Using Computer Vision: A Comparative Analysis of Class Distinction and Performance Metrics [0.0]
本研究は,OpenCVとディープラーニング技術を組み合わせたクラス区別と性能評価に焦点を当てた。
この制度は、権限のある人(管理者)、侵入者、非人間的存在の3つの階級を効果的に区別する。
論文 参考訳（メタデータ） (2025-03-24T19:36:47Z) - What Really Matters for Learning-based LiDAR-Camera Calibration [50.2608502974106]
本稿では,学習に基づくLiDAR-Cameraキャリブレーションの開発を再考する。
我々は、広く使われているデータ生成パイプラインによる回帰ベースの手法の限界を識別する。
また,入力データ形式と前処理操作がネットワーク性能に与える影響についても検討する。
論文 参考訳（メタデータ） (2025-01-28T14:12:32Z) - Towards Consumer-Grade Cybersickness Prediction: Multi-Model Alignment for Real-Time Vision-Only Inference [3.4667973471411853]
サイバーシックネスは没入型バーチャルリアリティ(VR)の普及の大きな障害である
我々は、パーソナライズされたサイバーシックネス予測のためのスケーラブルでデプロイ可能なフレームワークを提案する。
当社のフレームワークは,コンシューマレベルのVRプラットフォームとの統合に理想的なリアルタイムアプリケーションをサポートしています。
論文 参考訳（メタデータ） (2025-01-02T11:41:43Z) - Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。
本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。
本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
論文 参考訳（メタデータ） (2024-11-28T13:04:45Z) - A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [89.92916473403108]
本稿では,新しい手法のモジュラーフレームワークであるADerの総合的な視覚異常検出ベンチマークを提案する。
このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。
我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
論文 参考訳（メタデータ） (2024-06-05T13:40:07Z) - Cybersickness Detection through Head Movement Patterns: A Promising
Approach [1.1562071835482226]
本研究では,サイバーシック検出のための新しい生理指標としての頭部運動パターンについて検討する。
頭部の動きは、あらゆる商用VRヘッドセットに埋め込まれたセンサーを通して簡単に捉えられる、連続的で非侵襲的な測定手段を提供する。
論文 参考訳（メタデータ） (2024-02-05T04:49:59Z) - Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。
これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文 参考訳（メタデータ） (2021-09-21T16:18:45Z) - Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets
Deep Reinforcement Learning [76.46530937296066]
本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。
モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
論文 参考訳（メタデータ） (2021-06-03T08:35:10Z) - Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision
Action Recognition [131.6328804788164]
本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。
SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
論文 参考訳（メタデータ） (2020-09-01T03:38:31Z)
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。