µGlyph:一种微手势符号表示法
手部手势识别软件工程师与开发者HCI 研究员
在手部微手势这一活跃领域中,微手势的描述通常是非正式的,并且附有图像,导致出现歧义和矛盾。推动该领域发展的一个重要步骤是建立一个严格的基线,以精确描述、比较和分析微手势。为此,我们提出了µGlyph,这是一种基于受手指生物力学启发的事件词汇表的混合符号系统。首先,我们通过建立一个从文献中提取的118个微手势的数据库来研究µGlyph的表现力。其次,我们实验性地探索了µGlyph的可用性。参与者正确读写µGlyph描述的比例为90%,而传统描述仅为46%。第三,我们介绍了促进µGlyph使用的工具,包括一个带有LaTeX导出功能的可视化编辑器。最后,我们描述了µGlyph如何指导设计、开发和评估微手势交互的研究。结果表明,µGlyph在为微手势研究建立共同基础方面具有巨大潜力。
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%
Pentelligence:结合笔尖运动和书写声音进行手写数字识别
CHI '18· 手部手势识别 +1
- 75%
自动定制手势拒绝阈值选择的Voight-Kampff机器
CHI '22· 手部手势识别 +1
- 75%
RestfulRaycast:探索人体工程学绑定与关节放大以实现XR中精确的手射线选择
DIS '25· 手部手势识别 +1
- 75%
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
- 75%
基于手势感知的交互式机器教学与原地物体标注
UIST '22· 手部手势识别 +1
- 67%
使用触控组和交叉事件实现多点触控手势
CHI '19· 手部手势识别
- 67%
CapContact: 来自电容触摸屏的超分辨率接触区域
CHI '21· 手部手势识别
- 60%
手势展示:利用虚拟会议中的手部手势线索进行智能即兴投票交互
IUI '22· 手部手势识别 +1
- 60%
Tip-Tap:无电池的离散二维指尖输入
UIST '19· 触觉可穿戴设备 +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/10.1145/3544548.3580693
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
手部手势识别
work
职业/产业
软件工程师与开发者、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
9 篇相关论文