迈向对VR晕动症的更好理解：面向VR内容的身体症状预测
计算机视觉与模式识别
2021-04-15 v1 图像与视频处理
摘要
我们通过评估VR晕动症的身体症状程度，来解决VR晕动症评估（VRSA）的黑箱问题。对于诱发相似VR晕动症程度的VR内容，身体症状会因内容特性而异。现有多数VRSA方法聚焦于评估整体VR晕动症分数。为更好理解VR晕动症，需要预测并提供VR晕动症主要症状的程度，而非整体晕动程度。本文中，我们预测影响整体VR晕动程度的主要身体症状的程度，即定向障碍、恶心和眼动。此外，我们引入一个用于VRSA的新型大规模数据集，包含各种帧率的360视频、生理信号与主观评分。在VRSA基准与我们新收集的数据集上，我们的方法不仅展现出与主观评分达到最高相关性的潜力，也能更好理解哪些症状是VR晕动症的主因。
引用
@article{arxiv.2104.06780,
title = {Towards a Better Understanding of VR Sickness: Physical Symptom Prediction for VR Contents},
author = {Hak Gu Kim and Sangmin Lee and Seongyeop Kim and Heoun-taek Lim and Yong Man Ro},
journal= {arXiv preprint arXiv:2104.06780},
year = {2021}
}
备注
AAAI 2021