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。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/96586/2023

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

论文快照

fact_check
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