論文の概要: Budget-Aware Keyboardless Interaction

• arxiv url: http://arxiv.org/abs/2606.26508v1
• Date: Thu, 25 Jun 2026 01:27:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.138229
• Title: Budget-Aware Keyboardless Interaction
• Title（参考訳）: Budget-Aware キーボードレスインタラクション
• Abstract要約: 本稿では,標準カメラと印刷キーボードレイアウトを持つ紙のみを活用する新しい仮想キーボードシステムを提案する。 我々のアプローチは、現代のコンピュータビジョン技術を用いて、標準的な環境に適応することができる。
• 参考スコア（独自算出の注目度）: 11.27056623462154
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Interacting with computers typically relies on traditional input devices such as keyboards, mice, and monitors, which can be cumbersome for users seeking greater mobility. Virtual keyboards have been explored to address these limitations, but they often involve complex setups or expensive equipment. This paper proposes a novel virtual keyboard system that leverages only a standard camera and a paper with a printed keyboard layout. Unlike previous methods requiring complex calibration or special lighting conditions, our approach can work on standard environment using modern computer vision technologies. Combining modern segmentation and detection models with traditional image processing algorithms, we efficiently identify the keyboard region. Touch detection is performed using an algorithm analyzing the color of the user's fingernail. Experiments demonstrated a promising results our proposed solution of keyboard and keystroke detection for practical applications. Participants attended our user study also found the proposed system interesting.
• Abstract（参考訳）: コンピュータとのインタラクションは通常、キーボード、マウス、モニターといった従来の入力デバイスに依存している。 仮想キーボードはこれらの制限に対処するために研究されてきたが、複雑なセットアップや高価な機器を含むことが多い。 本稿では,標準カメラと印刷キーボードレイアウトを持つ紙のみを活用する新しい仮想キーボードシステムを提案する。 複雑な校正や特別な照明条件を必要とする従来の手法とは異なり、我々の手法は現代のコンピュータビジョン技術を用いて標準的な環境に適応することができる。 最新のセグメンテーションモデルと検出モデルと従来の画像処理アルゴリズムを組み合わせることで、キーボード領域を効率的に同定する。 ユーザの爪の色を分析するアルゴリズムを用いて、タッチ検出を行う。 提案したキーボードおよびキーストローク検出手法を実用化するための有望な実験結果を示した。 ユーザ調査に参加した参加者も,提案システムの興味深い点に気付きました。

関連論文リスト

• QUACK! Making the (Rubber) Ducky Talk: A Systematic Study of Keystroke Dynamics for HID Injection Detection [60.105690843777666]
  我々は、タイミング機能のみで動作する軽量モデルを使用して、堅牢でプライバシー保護の検知が達成可能であることを示す。 分析の結果,攻撃者の高度化は単調に回避を改善できないことが明らかとなった。
  論文  参考訳（メタデータ） (2026-04-17T08:53:24Z)
• Doodle Your Keypoints: Sketch-Based Few-Shot Keypoint Detection [80.90808879991182]
  キーポイント検出は、特にクエリと同じディストリビューションからのソースデータが利用できない場合、数ショットの学習において課題に直面します。 このギャップは、一般的な人間の表現形式であるスケッチを活用することで解決され、ソースフリーの代替手段を提供する。 提案するフレームワークは,これらのハードルを,グリッドベースのロケータとプロトタイプドメイン適応を組み合わせたプロトタイプ設定で克服する。
  論文  参考訳（メタデータ） (2025-07-10T17:59:49Z)
• Keystroke Verification Challenge (KVC): Biometric and Fairness Benchmark Evaluation [21.63351064421652]
  生体認証のためのキーストローク力学(KD)にはいくつかの利点がある。 KDは最も差別的な行動特性の1つである。 KDに基づく生体認証性能と公正性を評価するための新しい実験フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-10T11:23:28Z)
• 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)
• Agile gesture recognition for capacitive sensing devices: adapting on-the-job [55.40855017016652]
  本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。 コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。 機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
  論文  参考訳（メタデータ） (2023-05-12T17:24:02Z)
• SiLK -- Simple Learned Keypoints [11.208547877814574]
  キーポイント検出と記述子は、画像マッチング、3D再構成、視覚計測といったコンピュータビジョンタスクのための基礎技術である。 最近の学習に基づく手法は、実験的な設定と設計の選択肢を多種多様に採用している。 我々は、各コンポーネントを第一原理から再設計し、完全微分可能で軽量でフレキシブルなSimple Learned Keypoints (SiLK)を提案する。
  論文  参考訳（メタデータ） (2023-04-12T23:56:00Z)
• Effective Gesture Based Framework for Capturing User Input [0.4588028371034407]
  仮想キーボードのユーザーは、センサー技術と人工知能のおかげで、どんな面でもキーボードのようにタイプできる。 カメラは、その後仮想キーボードとして機能するキーボードイメージと指の動きをキャプチャするために使用される。 本稿では,指の座標を入力として受け入れる視覚的仮想マウスについても述べる。
  論文  参考訳（メタデータ） (2022-08-01T14:58:17Z)
• Muscle Vision: Real Time Keypoint Based Pose Classification of Physical Exercises [52.77024349608834]
  ビデオから外挿された3D人間のポーズ認識は、リアルタイムソフトウェアアプリケーションを可能にするまで進歩した。 本稿では,ライブビデオフィード上で人間のポーズ認識を行う新しい機械学習パイプラインとWebインターフェースを提案する。
  論文  参考訳（メタデータ） (2022-03-23T00:55:07Z)
• Improving Compositionality of Neural Networks by Decoding Representations to Inputs [83.97012077202882]
  我々は、ニューラルネットワークのアクティベーションを制約し、入力に"デコード"するように生成モデルを共同で訓練することで、従来のディープラーニングプログラムの利点を橋渡しする。 本稿では,デオード可能な表現の分布外検出,逆例,校正,公平性への応用を実証する。
  論文  参考訳（メタデータ） (2021-06-01T20:07:16Z)
• TypeNet: Deep Learning Keystroke Biometrics [77.80092630558305]
  TypeNetは、アイデンティティ毎に適度な数のキーストロークでトレーニングされた、リカレントニューラルネットワークである。 5つのギャラリーシーケンスと長さ50のテストシーケンスにより、TypeNetは最先端のキーストロークバイオメトリック認証性能を実現します。 実験では,最大10,000人の被験者による誤りの程度の増加を実証し,インターネット規模でのTypeNetの運用の可能性を示した。
  論文  参考訳（メタデータ） (2021-01-14T12:49:09Z)
• Gestop : Customizable Gesture Control of Computer Systems [0.3553493344868413]
  Gestopはデモからジェスチャーを検出することを学習するフレームワークで、エンドユーザがカスタマイズできる。 ユーザはジェスチャーを使って、RGBのカメラしか持たないコンピュータとリアルタイムで対話できる。
  論文  参考訳（メタデータ） (2020-10-25T19:13:01Z)

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。