Drapped Surfaces:用于混合现实工作空间的轮廓自适应界面覆盖物理环境
混合现实工作空间物理-数字混合交互UI/UX 设计师软件工程师与开发者HCI 研究员
文献标题
Draped Surfaces: A Contour-Adaptive Interface Overlaid on the Physical Environment for Mixed Reality Workspaces
出版信息
- 主题领域: 混合现实 (MR) 工作空间设计与交互
- 关键词: 混合现实,轮廓自适应界面,工作空间设计,可读性,环境理解,用户交互,可变形界面,空间集成,增强现实,界面可用性
背景与问题
- 问题/挑战: 传统的 MR 工作空间通常依赖于平面或空中的界面,这些界面会阻碍用户对物理环境的视野,限制了与现实世界对象的交互。现有解决方案(如半透明界面或基于投影的系统)未能完全解决数字内容可读性与环境感知之间的权衡,尤其是在复杂几何形状上。
- 重要性: 解决这一挑战对于创建既支持沉浸式数字交互又能与物理世界无缝集成的 MR 工作空间至关重要,从而实现更自然和高效的用户体验。
- 动机与相关研究: 先前的研究探索了工作空间扩展、复杂表面上的可读性以及 MR 界面中的环境理解。然而,这些方法通常未能在适应不规则物理几何形状时平衡可读性和空间感知。本文基于这些研究,引入了一种适应现实世界轮廓的可变形界面。
解决方案
- 提出的方法: 轮廓自适应混合环境覆盖 (CAMEO),一种可变形的 MR 界面,可将虚拟窗口覆盖在物理表面上,平衡数字内容的可读性与环境理解。
- 创新点:
- 引入了一种轮廓自适应工作空间,将数字内容与现实世界几何形状集成。
- 提供了实证证据,证明在复杂表面上减少了手部移动绕行并保持了文本可读性。
- 探索了可变形 MR 工作空间的新设计机会,包括无缝的用户界面流动和语义定位。
- 流程与关键技术:
- CAMEO 使用两阶段过程:初始形状形成(基于用户视点和物理表面轮廓)和表面平滑(通过基于拉普拉斯扩散的方法)。
- 使用关键指标(如视图效率和空间效率)来平衡可读性和空间集成。
- 系统通过调整界面深度和平滑迭代次数优化可用性,同时保留环境上下文。
结果
- 具体发现:
- 与平面界面相比,悬挂式界面减少了背景遮挡并增加了可用的前景体积。
- CAMEO 在轻量环境中减少了 19.79% 的手部移动绕行,在复杂环境中减少了 9.43%。
- 悬挂表面上的文本可读性与平面界面相当,阅读性能无显著差异。
- 悬挂界面提高了用户推断界面后方物体形状的能力,在形状感知与可读性之间实现了平衡。
- 相较基线的优势:
- CAMEO 在减少交互低效性和维护环境理解方面优于平面 MR 界面。
- 悬挂配置为透明性提供了互补优势,增强了可用性和用户偏好。
- 实验/评估:
- 模拟研究评估了不同视点下的遮挡、前景体积和界面可见性。
- 用户研究 I 评估了交互任务中的手部移动和主观可用性。
- 用户研究 II 检测了不同悬挂条件下的文本可读性和形状感知。
- 用户研究 I 和 II 分别包括 16 名和 24 名参与者,任务在受控 MR 环境中进行。
- 局限性与未来工作:
- 该方法假设物理对象网格的精确性,可能需要与扫描技术进一步集成。
- 结果可能无法推广到所有界面尺寸、形状或现实环境。
- 未来工作可探索动态或多用户场景、更广泛的界面设计,以及优化可读性的计算方法。
总结
本文介绍了 CAMEO,一种轮廓自适应的 MR 界面,可将虚拟窗口覆盖在物理表面上,以平衡数字内容的可读性和环境理解。实证研究表明,CAMEO 减少了交互低效性,保留了文本可读性,并支持形状感知,优于传统的平面 MR 界面。该方法为无缝的用户界面流动和语义定位开辟了新的设计机会,使虚拟工作空间与现实环境的集成更加自然。未来研究将重点扩展 CAMEO 在多样化环境中的适用性,并探索先进的界面设计。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 67%
深度鼠标:将桌面鼠标集成到虚拟现实
CHI '22· 眼动追踪与注视交互 +1
- 67%
超越链接:探索混合现实中多视角关系的视觉表征
CHI '26· 混合现实工作空间 +2
- 67%
无限:混合现实中的物体-边界交互
CHI '26· 混合现实工作空间 +2
- 67%
Point & Grasp:通过概率线索整合灵活选择不可达对象
CHI '26· 全身交互与体感输入 +2
- 67%
GhostAR:基于增强现实的人机协作任务时空间具身编著编辑器
UIST '19· 混合现实工作空间 +1
- 60%
评估基于HMD的混合现实远程协作中视觉通信线索的组合
CHI '19· 混合现实工作空间
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3791455
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
混合现实工作空间、物理-数字混合交互
work
职业/产业
UI/UX 设计师、软件工程师与开发者、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
6 篇相关论文