用于增强划痕输入的深度学习方法
人机交互
2021-12-01 v1
摘要
在表面上划动和敲击产生的振动具有高度的表现力和可识别性，因此被提议作为一种自然用户界面（NUI）的方法。以前的系统需要定制的传感器硬件，例如接触式麦克风，并且在手势分类精度方面存在困难。我们提出了一种用于划痕输入的深度学习方法。使用放置在桌面或其他类似表面上的智能手机和平板电脑，我们的系统实现了 95.8\% 的手势分类准确率，与以往工作相比大幅减少了手势误分类。此外，我们的系统在多种表面、移动设备和高噪声环境中进行测试时，均达到了这一性能。结果表明，深度学习技术在自然用户界面（NUI）系统中具有巨大潜力，该系统只需一部智能手机即可轻松将大型无源表面转化为用户界面，而无需专用传感器或硬件。
引用
@article{arxiv.2111.15053,
title = {Deep Learning for Enhanced Scratch Input},
author = {Aman Bhargava and Alice X. Zhou and Adam Carnaffan and Steve Mann},
journal= {arXiv preprint arXiv:2111.15053},
year = {2021}
}
备注
15 pages, 11 figures