AutoGain:通过子运动效率优化自适应增益函数
荣誉提名手部手势识别计算方法在HCI中的应用AI/ML 研究员与工程师HCI 研究员
一个设计良好的控制-显示增益函数可以提高间接指向设备(如触控板)的指向性能。然而,增益函数的设计具有挑战性,且大多基于试错法。AutoGain是一种新颖的方法,用于在可以跟踪光标轨迹的上下文中为间接指向设备个性化增益函数。它通过使用一种新颖的子运动级跟踪+优化技术,逐步提高指向效率,该技术最小化每个子运动的瞄准误差(欠冲/超冲)。我们首先展示了AutoGain可以在不到半小时的积极使用中,从零开始生成与商业设计性能相当的增益函数。其次,我们展示了AutoGain对新兴输入设备(此处为Leap Motion控制器)的适用性,这些设备没有参考增益函数。第三,一项为期一个月的纵向研究显示,使用AutoGain进行正常计算机使用时,参与者默认功能的性能得到了提高。
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。
- 75%
指向的控制理论模型
CHI '18· 手部手势识别 +1
- 75%
手势诱发作为计算优化问题
CHI '22· 手部手势识别 +1
- 67%
AutoChainer:面向笔触输入的自动数据增强
CHI '26· 手部手势识别 +2
- 60%
设计 ground truth 和标签的社会生活
CHI '21· 计算方法在HCI中的应用 +1
- 60%
模型草图:在机器学习模型早期设计中关注概念
CHI '23· AI 辅助决策与自动化系统 +1
- 60%
DeepSeer:通过状态抽象进行交互式RNN解释和调试
CHI '23· 可解释人工智能(XAI) +1
- 60%
《变革发生的渠道》:关于负责任AI的互人人际学习的过程、障碍和支持
CHI '25· AI 伦理、公平与问责 +1
- 60%
HINT:面向带人类反馈的AI功能的集成测试
IUI '22· AI 辅助决策与自动化系统 +1
- 60%
基于动态贝叶斯网络的多模态上下文感知交互框架
IUI '25· 环境感知与上下文计算 +1
- 60%
算盘手势:一套大规模基于数学的适用于空中交互的可用手指计数手势
UbiComp '23· 手部手势识别 +1
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/10.1145/3313831.3376244
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
荣誉提名
group
作者
4 位作者
sell
研究子方向
手部手势识别、计算方法在HCI中的应用
work
职业/产业
AI/ML 研究员与工程师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文