通过编码生理表征的运动学数据实现深度网络晕动症预测器
人机交互
2023-12-07 v2
摘要
用户在沉浸式虚拟环境中导航期间或之后会体验到个体差异化的晕动症状，通常称为网络晕动症（cybersickness）。以往研究基于生理和/或运动学数据预测网络晕动症的严重程度。然而，与运动学数据相比，生理数据在收集时严重依赖生物传感器，这不方便且仅限于少数可负担的VR设备。在这项工作中，我们提出了一种深度神经网络，通过运动学数据预测网络晕动症。我们引入了编码生理表征来刻画个体易感性；因此，该预测器可仅基于用户的运动学数据预测网络晕动症，而无需依赖生物传感器。我们招募了53名参与者进行用户研究以收集多模态数据，包括运动学数据（导航速度、头部追踪）、生理信号（如皮电活动、心率）和模拟器 sickness 问卷（SSQ）。该预测器通过引入预计算的生理表征来刻画个体差异，实现了97.8%的网络晕动症预测准确率，为当前的网络晕动症测量提供了极大便利。
引用
@article{arxiv.2304.05984,
title = {A Deep Cybersickness Predictor through Kinematic Data with Encoded Physiological Representation},
author = {Ruichen Li and Yuyang Wang and Handi Yin and Jean-Rémy Chardonnet and Pan Hui},
journal= {arXiv preprint arXiv:2304.05984},
year = {2023}
}
备注
Published in IEEE ISMAR 2023 as conference paper