TapType：基于贝叶斯推断的日常表面十指输入
人机交互
2024-10-10 v1 计算机视觉与模式识别
摘要
尽管触摸屏的出现，物理键盘上的输入仍是最高效的文本输入方式，因为用户可以借助全尺寸键盘的全部手指进行便捷输入。随着用户在移动中输入，移动和可穿戴设备上的文本输入不得不在全尺寸输入方面作出妥协。本文提出 TapType，一种在被动表面上进行全尺寸文本输入的移动系统——无需实际键盘。从手腕上内置的惯性传感器中，TapType 解码并将表面敲击与传统 QWERTY 键盘布局关联。我们方法的关键创新在于通过融合来自我们贝叶斯神经网络分类器的手指概率与来自 n-gram 语言模型的字符先验概率，预测最可能的字符序列。在我们的在线评估中，受试者在训练 30 分钟后平均每分钟输入 19 词，字符错误率为 0.6%。专家打字者在类似错误率下持续实现超过 25 WPM。我们展示了 TapType 在智能手机和平板电脑周围的移动用途，作为 situated Mixed Reality 交互的补充（在视觉控制范围之外），以及仅使用音频反馈接口的无眼移动文本输入方法。
引用
@article{arxiv.2410.06001,
title = {TapType: Ten-finger text entry on everyday surfaces via Bayesian inference},
author = {Paul Streli and Jiaxi Jiang and Andreas Fender and Manuel Meier and Hugo Romat and Christian Holz},
journal= {arXiv preprint arXiv:2410.06001},
year = {2024}
}
备注
In Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems