MeTACAST：VR 中目标与上下文感知的空间选择
人机交互
2024-04-25 v1
摘要
我们提出三种面向 VR 可视化环境中粒子数据的新型空间数据选择技术。它们被设计为具有目标与上下文感知能力，并适用于广泛的数据特征与复杂场景。每种技术均可针对特定选择意图进行调整：连续密集区域的选择、丝状结构的选择，以及聚类（簇）的选择——所有这些均支持选择后阈值调整。这些技术允许用户通过简单且近似的 3D 指向、刷选或绘制输入，利用灵活的基于点或路径的输入，精确选择那些用于进一步探索的空间区域，且不受 3D 遮挡、非均匀特征密度或复杂数据形状的局限。这些新技术在受控实验中得到评估，并与基线方法（一种基于区域的 3D 绘制选择）进行比较。我们的结果表明，这些技术能有效处理广泛场景，并允许用户基于其对关键特征的理解来选择数据。此外，我们分析了空间选择方法的属性、需求与策略，并将其与现有最先进的选择方法进行比较，以处理多样的数据特征与情境。基于该分析，我们提供了根据交互环境、给定数据特征或交互式选择后阈值调整需求来选择最合适 3D 空间选择技术的指南。
引用
@article{arxiv.2308.03616,
title = {MeTACAST: Target- and Context-aware Spatial Selection in VR},
author = {Lixiang Zhao and Tobias Isenberg and Fuqi Xie and Hai-Ning Liang and Lingyun Yu},
journal= {arXiv preprint arXiv:2308.03616},
year = {2024}
}