DeepFisheye:使用鱼眼相机实现的近表面多手指追踪技术
作者
手部手势识别眼动追踪与注视交互知识工作者工具与工作流UI/UX 设计师数据科学家与分析师
近表面多手指追踪(NMFT)技术通过启用悬空和手指感知交互等新型交互,扩展了触摸屏的输入空间。我们提出了DeepFisheye,这是一种用于移动设备的实用NMFT解决方案,利用安装在触摸屏底部的鱼眼相机。DeepFisheye使用相机获取位于触摸屏上方进行交互的手部图像,并使用深度学习来估计每个指尖的3D位置。我们创建了两个新的包含鱼眼图像的手部姿势数据集,并在其上训练了网络。我们评估了DeepFisheye在三种设备尺寸上的性能。DeepFisheye在不同设备尺寸上显示指尖追踪的平均误差约为20毫米。此外,我们创建了简单的基于规则的分类器,用于从DeepFisheye的输出估计接触手指和手部姿势。接触手指和手部姿势分类器在不同设备尺寸上分别显示约83%和90%的准确率。
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。
暂无符合条件(≥60% 相似度)的相关论文
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://dl.acm.org/doi/10.1145/3379337.3415818
一眼看懂
fact_check论文快照
dataset
来源
UIST
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
手部手势识别、眼动追踪与注视交互、知识工作者工具与工作流
work
职业/产业
UI/UX 设计师、数据科学家与分析师
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文