关键时间:中风手势生成时间的超精确预测
作者
全身交互与体感输入人体姿态与行为识别
我们介绍了KeyTime,这是一种新的技术和配套软件,用于预测用户在触摸屏上绘制的手势笔划的生产时间。KeyTime采用了运动学理论的原则和概念,例如对笔划手势速度曲线的对数正态建模,以比现有方法更准确地估计手势生产时间。我们在几个公开数据集上获得的实验结果表明,KeyTime仅通过一个手势实例就能预测出与真实值相关度r=.99的用户独立生产时间,同时预测时间的平均误差比迄今为止最佳预测技术CLC小3到6倍。此外,KeyTime报告了广泛的有用统计数据,如修剪平均值、中位数、标准差和置信区间,为从业者提供了前所未有的准确性和复杂性,以表征用户使用笔划手势输入的先验时间性能。
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。
- 100%
意外的权力姿势对人机交互有多重要?
CHI '18· 全身交互与体感输入 +1
- 100%
手势诱发研究中的一致性分析的不相似性-共识方法
CHI '19· 全身交互与体感输入 +1
- 100%
使用深度强化学习预测空中交互动作和疲劳
CHI '20· 全身交互与体感输入 +1
- 100%
随身姿态:使用智能手机传感器融合和逆运动学近似用户姿态
CHI '21· 全身交互与体感输入 +1
- 100%
面向日常具身记忆的设计:日记研究启示
DIS '23· 全身交互与体感输入 +1
- 100%
将多视角第一人称视频中的手部检测与识别用于辅助群体活动分析
IUI '19· 全身交互与体感输入 +1
- 67%
通过生物力学模拟进行实时3D目标推断
CHI '24· 全身交互与体感输入 +2
- 67%
MeCap:用于低成本VR/AR头显的全身数字化技术
UIST '19· 全身交互与体感输入 +2
- 67%
OddEyeCam:基于WFoV RGB和NFoV深度摄像头的身体中心透视交互传感技术
UIST '20· 全身交互与体感输入 +2
- 67%
MonoEye: 使用单超广角鱼眼摄像头的多模态人体动作捕捉系统
UIST '20· 全身交互与体感输入 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
全身交互与体感输入、人体姿态与行为识别
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文