VR.net:虚拟现实运动疾病研究的真实世界数据集

科学领域:

• 虚拟现实 (VR) 和人机交互
• 机器学习和数据科学
• 生物医学工程和神经科学

背景情况:

• 预测虚拟现实 (VR) 运动病的机器学习 (ML) 模型需要大量,多样化和准确标记的数据集.
• 现有数据集的范围通常是有限的,这阻碍了对VR体验的可概括的ML模型的开发.

研究的目的:

• 推出VR.net,这是一个全面的数据集,旨在促进开发用于VR运动病检测的强大的ML模型.
• 为了在VR游戏中准确,逐标记运动恶心指标.

主要方法:

• 汇编了165小时的游戏视频,来自100个不同类型的VR游戏,跨越10个类型,由500名参与者评估.
• 开发了一种自动化工具,可以从3D引擎的染管道中提取地面真实数据,从而能够精确标记24个与运动失常相关的特征 (例如相机移动,景深).
• 确保数据集的多样性和规模,以支持可概括的ML模型开发,而不需要访问VR游戏源代码.

主要成果:

• VR.net提供165小时的标记VR游戏数据,每个有24个详细的移动性疾病相关标签.
• 通过风险因素检测和疾病水平预测的应用来证明数据集的实用性.
• 自动数据提取工具允许准确地收集地面真相数据.

结论:

• 由于其规模,准确性和多样性,VR.net为VR运动病研究提供了前所未有的资源.
• 数据集和附带的数据收集工具可以加速理解和减轻VR引起的不适的进展.
• 鼓励社区贡献以进一步扩大VR.net数据集.