基于自蒸馏的多任务学习模型在触控笔输入延迟补偿中的应用

DOI

输入延迟显著影响用户在触摸屏交互中的体验，尤其在书写或绘画等精细任务中。本研究首先将延迟问题分解为两个子任务：触控笔笔尖未来轨迹预测和预测轨迹长度优化，以更深入地研究延迟补偿与副作用之间的平衡关系。随后提出一种新型多任务学习架构，通过交替联合训练整合两个任务的考虑，并利用主动触控笔生成的特定特征和自定义距离误差度量来提高准确性。实验表明，该多任务学习模型在6ms、14ms和20ms预测情况下的平均误差分别为0.47、1.30和2.24像素，并在各种使用场景中提供了更好的延迟减少与副作用之间的权衡。