迈向开放世界手势识别
计算机视觉与模式识别
2024-10-08 v2
摘要
为用户提供准确的手势界面（例如基于腕戴设备的手势识别）是混合现实中的关键挑战。然而，手势识别中的静态机器学习过程假设训练和测试数据来自相同的底层分布。不幸的是，在涉及手势识别的实际应用中，例如基于腕戴设备的手势识别，数据分布可能会随时间变化。我们将这种识别模型适应新数据模式涌现的新任务的问题表述为开放世界手势识别（OWGR）。我们提出使用持续学习，使机器学习模型能够适应新任务，同时不降低在先前学习任务上的性能。然而，针对何时以及如何训练和部署识别模型等问题探索参数的过程需要耗费大量资源的用户研究，这可能是不切实际的。为了应对这一挑战，我们提出了一种设计工程方法，通过系统地检查各种参数并比较不同的持续学习方法，在收集的大规模数据集上实现离线分析。最后，我们提供了设计指南，以促进开放世界腕戴手势识别过程的发展。
引用
@article{arxiv.2401.11144,
title = {Towards Open-World Gesture Recognition},
author = {Junxiao Shen and Matthias De Lange and Xuhai "Orson" Xu and Enmin Zhou and Ran Tan and Naveen Suda and Maciej Lazarewicz and Per Ola Kristensson and Amy Karlson and Evan Strasnick},
journal= {arXiv preprint arXiv:2401.11144},
year = {2024}
}