通过贝叶斯基于隐性意图预测的手动无视视角交互

科学领域:

• 人与计算机的交互
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 眼睛的凝视是扩展现实 (XR) 中的一个关键交互方法.
• 米达斯触摸问题需要手动覆盖 (例如手势) 进行选择,限制XR功能.
• 当前的方法通常需要明确的手动输入,阻碍了无互动.

研究的目的:

• 开发一种机器学习 (ML) 模型,只使用视线数据实时预测用户选择意图.
• 在XR环境中验证基于凝视驱动的意图预测的无手动交互技术.
• 为了证明贝叶斯框架的有效性,将目光数据转化为可操作的选择概率.

主要方法:

• 使用贝叶斯框架将目光数据处理成选择概率.
• 一个机器学习模型被训练并仅使用视线数据来预测意图.
• 进行了两项研究:一项用于模型构建和实时推断,另一项用于用户验证无手工技术.

主要成果:

• 成功构建了一个高性能的ML模型,只使用视线数据,能够实时推断.
• 拟议的只注视方法在预测用户选择意图方面表现更好.
• 用户研究验证证实了无手工技术的有效性,突出了其与传统方法相比的优势.

结论:

• 眼神数据本身可以有效地预测XR中的用户选择意图,克服Midas触摸限制.
• 开发的贝叶斯式ML模型为XR中基于视线的交互提供了强大而高效的解决方案.
• 通过视线预测消除手动手势,提高了XR的可用性,并开辟了新的应用可能性.