論文の概要: A Benchmarking Framework for Context-aware XR Interfaces
- arxiv url: http://arxiv.org/abs/2609.30466v1
- Date: Thu, 24 Sep 2026 19:03:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.110045
- Title: A Benchmarking Framework for Context-aware XR Interfaces
- Title（参考訳）: コンテキスト対応XRインタフェースのためのベンチマークフレームワーク
- Abstract要約: 毎日拡張現実(XR)システムは、適切な時間と場所における適切な機能へのコンテキスト認識アクセスを提供することを目的としています。
現在のプロトタイピングとユーザスタディは、ユーザとシナリオ間の適応方法を比較するための体系的で反復的な方法を提供していません。
コンテキスト認識型XRインタフェースのための新しいベンチマークフレームワークであるContextXRを提案する。
- 参考スコア（独自算出の注目度）: 17.218499092881107
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Everyday Extended Reality (XR) systems aim to provide context-aware access to the right functionalities at the right time and place, with minimal manual reconfiguration as users switch context. Yet these interfaces are hard to evaluate: current prototyping and user-study workflows offer no systematic, repeatable way to compare adaptation methods across users and scenarios. We present ContextXR, a novel benchmarking framework for context-aware XR interfaces. ContextXR represents an XR application as a connected graph of functional facets, each a semantically coherent group of related capabilities that together support a shared user intent. On this representation, we build MineXR++, a dataset augmenting prior XR interface data with facet-level annotations, and formulate three canonical tasks of context-aware suggestion: context factor analysis, initial facet suggestion, and next facet suggestion. Our evaluation protocol scores suggestion methods by a simulated interaction metric, the navigation and search cost of reaching the desired functionality. Through experiments benchmarking global popularity, relational retrieval, and LLM-based methods, we demonstrate that ContextXR enables the systematic, reproducible evaluation of context-aware XR interfaces.
- Abstract（参考訳）: 毎日拡張現実(XR)システムは、ユーザがコンテキストを切り替えるときに手動で設定を最小限にすることなく、適切な機能に適切なタイミングでコンテキスト対応でアクセスできるようにすることを目的としている。
現在のプロトタイピングとユーザスタディワークフローは、ユーザとシナリオ間のアダプティブメソッドを比較するための、体系的で反復的な方法を提供していません。
我々はコンテキスト認識型XRインタフェースのための新しいベンチマークフレームワークContextXRを提案する。
ContextXRは、XRアプリケーションを機能的なファセットの連結グラフとして表現し、それぞれが意味的に一貫性のある関連機能のグループであり、共有ユーザインテントをサポートします。
この表現に基づいて、ファセットレベルのアノテーションでXRインターフェースデータを拡張したデータセットであるMineXR++を構築し、コンテキスト要因分析、初期ファセット提案、次のファセット提案の3つの標準タスクを定式化する。
評価プロトコルでは,提案手法を模擬対話距離,ナビゲーションコスト,検索コストで評価する。
グローバルな人気度,リレーショナル検索,LLMに基づく手法のベンチマーク実験を通じて,ContextXRがコンテキスト認識型XRインタフェースの体系的かつ再現可能な評価を可能にすることを示す。
関連論文リスト
- MirrorBench: An Extensible Framework to Evaluate User-Proxy Agents for Human-Likeness [0.4893345190925178]
大型言語モデル (LLM) は人間のシミュレータとしてますます使われている。
Naive "act-as-a-user" はしばしば冗長で非現実的な発話をもたらす。
ユーザプロキシを評価するベンチマークフレームワークであるMIRRORBENCHについて述べる。
論文 参考訳（メタデータ） (2026-01-13T01:16:13Z) - Towards Mixed-Modal Retrieval for Universal Retrieval-Augmented Generation [72.34977512403643]
Retrieval-Augmented Generation (RAG) は、外部コーパスから関連文書を取得することで、大規模言語モデル(LLM)を強化するための強力なパラダイムとして登場した。
既存のRAGシステムは、主に平凡なテキスト文書に焦点を当てており、クエリとドキュメントの両方が(テキストや画像のような)混合モダリティを含む実世界のシナリオでは、しばしば不足している。
我々は,Universal Retrieval-Augmented Generationシナリオに適した混合モーダル-混合モーダルレトリバーであるNyxを提案する。
論文 参考訳（メタデータ） (2025-10-20T09:56:43Z) - RAG-IGBench: Innovative Evaluation for RAG-based Interleaved Generation in Open-domain Question Answering [50.42577862494645]
本稿では,RAG-IG(Retrieval-Augmented Generation)に基づくインターリーブドジェネレーション(Interleaved Generation)の課題を評価するためのベンチマークであるRAG-IGBenchを提案する。
RAG-IGは、MLLM(Multimodal large language model)と検索機構を統合し、モデルがコヒーレントなマルチモーダルコンテンツを生成するための外部画像テキスト情報にアクセスできるようにする。
論文 参考訳（メタデータ） (2025-10-11T03:06:39Z) - CoT Referring: Improving Referring Expression Tasks with Grounded Reasoning [67.18702329644526]
CoT Referringは、構造化されたチェーン・オブ・シークレット・トレーニングデータ構造を通じて、モデル推論をモダリティにわたって強化する。
トレーニングデータを再構築して、新たな出力フォームを実行し、既存のデータセットに新たなアノテーションを提供します。
また、検出とセグメント化機能を統合MLLMフレームワークに統合し、新しい適応重み付き損失で学習して性能を最適化する。
論文 参考訳（メタデータ） (2025-10-03T08:50:21Z) - Controlled Retrieval-augmented Context Evaluation for Long-form RAG [58.14561461943611]
Retrieval-augmented Generation (RAG)は、外部知識ソースから取得したコンテキストを組み込むことで、大規模言語モデルを強化する。
我々は、レポート生成のような長期RAGタスクにおいて、包括的な検索強化コンテキストを提供することが重要であると論じる。
本稿では,検索拡張コンテキストを直接評価するフレームワークであるCRUXを紹介する。
論文 参考訳（メタデータ） (2025-06-24T23:17:48Z) - Immersive Multimedia Communication: State-of-the-Art on eXtended Reality Streaming [4.217982035156334]
拡張現実(XR)は急速に進歩し、コンテンツの創造と消費に革命をもたらす可能性がある。
本調査は,マルチパラダイムに着目したXRストリーミングの現状を概観する。
論文 参考訳（メタデータ） (2025-03-27T15:28:53Z) - AIvaluateXR: An Evaluation Framework for on-Device AI in XR with Benchmarking Results [55.33807002543901]
我々は,XRデバイス上で動作する大規模言語モデル(LLM)をベンチマークするための総合評価フレームワークであるAIvaluateXRを提案する。
我々はMagic Leap 2、Meta Quest 3、Vivo X100s Pro、Apple Vision Proという4つのXRプラットフォームに17個の選択されたLSMをデプロイし、広範囲な評価を行います。
本稿では,3次元最適性理論に基づく統一評価手法を提案する。
論文 参考訳（メタデータ） (2025-02-13T20:55:48Z) - Explainable XR: Understanding User Behaviors of XR Environments using LLM-assisted Analytics Framework [24.02808692450192]
多様なXR環境におけるユーザ動作を分析するためのエンドツーエンドフレームワークであるExplainable XRを提案する。
説明可能なXRは、AR、VR、MR、トランジッション、マルチユーザ共同アプリケーションシナリオといった、クロスプラットフォームを扱う際の課題に対処する。
論文 参考訳（メタデータ） (2025-01-23T15:55:07Z) - Towards Intelligent Augmented Reality (iAR): A Taxonomy of Context, an Architecture for iAR, and an Empirical Study [46.21335713342863]
iARにおける文脈認識推論と適応のためのフレームワークを提案する。
ユーザ動作を観察し,ユーザのパフォーマンス,コンテキスト,ユーザ指定のARインターフェースへの適応を記録可能な経験的AR実験を提案する。
論文 参考訳（メタデータ） (2024-11-04T23:52:43Z) - Graph Convolutional Embeddings for Recommender Systems [67.5973695167534]
本研究では,N-Partiteグラフのユーザ-item-contextインタラクションを処理するグラフ畳み込み層を提案する。
より具体的には、ユーザ-item-contextインタラクションを処理するN-partiteグラフのグラフ畳み込み層を定義する。
論文 参考訳（メタデータ） (2021-03-05T10:46:16Z)
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。