迈向视频游戏中二维手势的生态有效数据收集协议

DOI

设计手势识别器和用户界面的人经常使用数据收集应用程序，使用户能够舒适地生成手势训练样本。相比之下，游戏提供了独特的环境，影响认知负荷，并有可能在玩家对动态条件作出反应时引发快速手势，这可能导致手势形式的高变异性。然而，这些手势之间的差异程度目前尚不清楚。为此，我们开发了两款具有独特机制的游戏，跟随领袖（FTL）和困倦小镇，以及一个标准的数据收集应用程序。我们从18名参与者中收集了在所有条件下不同复杂度的手势样本，并通过使用相对、全局和分布覆盖率度量的分析，我们确认了条件之间的显著差异。我们讨论了我们的发现的意义，并表明我们的FTL设计更接近于一个生态有效且实现复杂度低的数据收集协议。