电容触摸图像能否增强移动键盘解码？

电容触摸传感器捕获指尖与移动触摸屏接触的二维空间轮廓（称为触摸热图）。然而，针对移动触摸键盘的研究和设计——这是一种速度和准确性要求最高的触摸界面——已聚焦于从触摸热图提取的触摸质心位置作为输入，忽略了其余的原始空间信号。在本文中，我们研究了触摸热图能否被利用以进一步提高移动触摸键盘的tap解码准确性。具体而言，我们开发和评估了机器学习模型，通过使用质心和/或热图作为其输入来解释用户的敲击，并研究了热图对模型性能的贡献。结果表明，将热图加入输入特征集后，平均可将字符错误率降低21.4%。此外，我们进行了一次现场用户研究，使用集成到Pixel 6 Pro设备中的基于质心的和基于热图的解码器，观察到基于热图的解码器比基于质心的解码器具有更低的错误率、更快的输入速度以及更高的自评满意度。这些发现凸显了利用触摸热图提高移动键盘输入体验的潜力。