利用轨迹压缩率预测虚拟现实游戏中的网络晕动症变化
人机交互
2021-08-24 v1
摘要
在虚拟现实(VR)应用(如游戏)中以快速、精确、非侵入且不打断体验的方式识别网络晕动症(cybersickness)仍具挑战。若干因素可引发网络晕动症，识别它们有助于找到其根源并加以预防或减轻。其中一个因素是虚拟运动。无论物理还是虚拟运动，均可多种形式表示，一种表示与存储方式是带时间标注的点序列。由于序列耗内存，常以压缩形式保存。压缩可在消除冗余数据的同时保留速度与方向变化。因VR中方向与速度变化可与网络晕动症相关，压缩率变化很可能指示晕动症水平变化。本研究探讨量化虚拟运动变化能否用于估计VR用户网络晕动症水平的变化。我们考察了两款VR游戏中运动数据的压缩率变化与游戏过程中记录的玩家网络晕动症水平变化间的相关性。结果显示：(1)压缩率变化与网络晕动症间存在明显相关性；(2)机器学习方法可用于识别这些变化。第二个实验结果表明，我们的方法对游戏及其他涉及运动的VR应用中的网络晕动症推断是可行的。
引用
@article{arxiv.2108.09538,
title = {Using Trajectory Compression Rate to Predict Changes in Cybersickness in Virtual Reality Games},
author = {Diego Monteiro and Hai-Ning Liang and Xiaohang Tang and Pourang Irani},
journal= {arXiv preprint arXiv:2108.09538},
year = {2021}
}