基于虚拟现实过山车模拟工具预测晕动的机器学习架构
人机交互
2018-11-06 v1 人工智能
摘要
虚拟现实（VR）能够带来前所未有的沉浸感与临场感，但许多用户在虚拟环境中移动时会经历晕动症。过山车体验在虚拟现实中颇受欢迎，但必须精心设计以限制用户可能感受到的恶心程度。本文描述了一种利用神经网络对晕动症进行自动评级的新框架。我们使用了一款让用户在 VR 中直接创建过山车、与他人分享并乘坐和评级的应用，以收集与玩家游戏内行为、轨道本身以及基于集成在应用中的模拟器晕动问卷（SSQ）的用户评级相关的实时数据。基于深度神经网络的机器学习架构利用这些数据进行训练，旨在预测晕动症水平。尽管本文聚焦于过山车，该框架仍可用于对任何涉及摄像机移动的 VR 应用进行晕动症与强度的评级。本文提供了一个定义良好的新数据集，并在一项对比研究中评估了所提出架构的性能。
引用
@article{arxiv.1811.01106,
title = {Machine learning architectures to predict motion sickness using a Virtual Reality rollercoaster simulation tool},
author = {Stefan Hell and Vasileios Argyriou},
journal= {arXiv preprint arXiv:1811.01106},
year = {2018}
}
备注
4 pages, accepted to AIVR conference