LabelAR:用于快速计算机视觉图像采集的空间引导界面
作者
AR 导航与情境感知生成式AI(文本、图像、音乐、视频)软件工程师与开发者AI/ML 研究员与工程师
计算机视觉的应用范围不断扩大,许多应用需要自定义训练数据才能良好运行。我们提出了一种用于快速采集和标注训练图像的新型界面,用于改进基于计算机视觉的目标检测器。LabelAR 利用增强现实(AR)摄像头的空间追踪功能,允许用户放置持久的边界体积,使其保持在现实世界物体的中心。随后,该界面引导用户移动摄像头以覆盖各种视点。我们通过在从 AR 标记视点捕获图像时自动投影物体周围的二维边界框,消除了事后手动标注图像的需求。在 12 名用户的测试中,LabelAR 在模型性能与采集时间的权衡方面显著优于现有方法。
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。
- 67%
CARING-AI:通过生成式人工智能实现上下文感知的增强现实指令创作
CHI '25· AR 导航与情境感知 +2
- 60%
使用生成语言模型发现自然语言编程的语法和策略
CHI '22· 生成式AI(文本、图像、音乐、视频) +1
- 60%
《它想让我怎么说》:弥合最终用户程序员与代码生成大型语言模型之间的抽象差距
CHI '23· 生成式AI(文本、图像、音乐、视频) +1
- 60%
D-Twins:专为实时无聊干预设计的数字双胞胎
CHI '25· 生成式AI(文本、图像、音乐、视频) +1
- 60%
增强丝网印刷:面向印刷电路板调试的 AR 交互设计
DIS '21· AR 导航与情境感知 +1
- 60%
从发现到采用:理解机器学习从业者的可解释性历程
DIS '23· 生成式AI(文本、图像、音乐、视频) +1
- 60%
接受、拒绝还是修正:人机协作中生产力与信任的度量
IUI '24· 生成式AI(文本、图像、音乐、视频) +1
- 60%
从交互到影响:通过理解与评估移动端UI操作影响构建更安全的AI智能体
IUI '25· 生成式AI(文本、图像、音乐、视频) +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
UIST
calendar_month
年份
2019
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
AR 导航与情境感知、生成式AI(文本、图像、音乐、视频)
work
职业/产业
软件工程师与开发者、AI/ML 研究员与工程师
article
内容状态
仅摘要
hub
相关论文
8 篇相关论文