N-euro预测器：一种用于平滑和预测运动轨迹的神经网络方法

抖动和延迟严重影响手机、电视和VR/AR等基于视觉的人机交互系统的用户体验流畅性和响应性。当前用于平滑和预测运动轨迹的手动调整过滤器难以有效解决这两个问题，特别是对于运动速度范围较大的应用。为了克服这个问题，我们引入了N-euro，这是一种基于残差学习的神经网络预测器，可以在保持低计算开销的同时同时减少抖动和延迟。与精细调整的现有过滤器相比，N-euro将预测性能提高了36%，平滑性能提高了42%。我们制作了一个鱼缸VR系统和一个AR镜像系统，并进行了用户体验研究（n=34），实时实现N-euro。我们的结果表明，N-euro预测器带来了用户体验的统计学显著改善。凭借其经过验证的有效性和可用性，我们期望这种方法能为各种基于视觉的交互系统带来更好的用户体验。