GestureMap：通过学习二维嵌入支持动作诱发数据的视觉分析与定量分析
人机交互
2021-03-02 v1
摘要
本文提出 GestureMap，一个用于动作诱发（gesture elicitation）的视觉分析工具，可直接可视化动作空间。具体地，一个变分自编码器将记录为 3D 骨架的动作嵌入到交互式 2D 地图上。GestureMap 进一步集成了三种计算能力以将探索与定量度量相连接：利用 DTW Barycenter Averaging (DBA)，我们计算平均动作以 1) 一览式地表示动作组；2) 计算一种新的共识度量（围绕平均动作的方差）；以及 3) 用 k-means 对动作聚类。我们通过八位专家以及对已发表数据的深入分析来评估 GestureMap 及其概念。我们的发现展示了 GestureMap 如何促进探索大型数据集，并帮助研究者获得对诱发动作空间的视觉理解。它进一步开辟了新方向，例如跨研究比较诱发结果。我们讨论了其对诱发研究与研究工作的启示，以及将我们的方法扩展到动作诱发中额外任务的机遇。
引用
@article{arxiv.2103.00912,
title = {GestureMap: Supporting Visual Analytics and Quantitative Analysis of Motion Elicitation Data by Learning 2D Embeddings},
author = {Hai Dang and Daniel Buschek},
journal= {arXiv preprint arXiv:2103.00912},
year = {2021}
}
备注
12 pages, 6 figures, 1 table, ACM CHI 2021