我们介绍了不相似性-共识方法,这是一种新的计算用户手势偏好之间客观共识度量的方法,以支持最终用户手势诱发电脑研究中的数据分析。我们的方法通过使用增长曲线和逻辑函数来建模和量化用户对手势表达的共识与手势不相似性的数值度量(例如动态时间规整或豪斯多夫距离)之间的关系。我们以从30名3至6岁儿童中诱发出的1,312个全身手势为例说明了我们的方法,并报告了文献中关于如此年轻的儿童产生的全身手势之间共识度量的首个实证结果。我们提供了我们的方法的C#和R软件实现,并公开发布了我们的手势数据集。
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%
关键时间:中风手势生成时间的超精确预测
CHI '18· 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
2019
emoji_events
奖项
未标记奖项
group
作者
1 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