基于单次演示的视觉手势定制

手势识别正成为一种日益普遍的人机交互模式，尤其是随着摄像头在日常设备中的普及。尽管该领域持续取得进展，但手势定制往往未被充分探索。定制至关重要，因为它使用户能够定义和演示更自然、更易记忆且更易访问的手势。然而，定制需要高效利用用户提供的数据。我们引入了一种方法，使用户能够通过单目摄像头从一次演示中轻松设计定制手势。我们采用 Transformer 和元学习技术来解决少样本学习挑战。与先前工作不同，我们的方法支持单手、双手、静态和动态手势的任意组合，包括不同视角，并具备处理无关手部动作的能力。我们利用该定制方法实现了三个实际应用，进行了用户研究，并在单次演示下实现了高达 94% 的平均识别准确率。我们的工作为基于视觉的手势定制提供了一条可行路径，为该领域的未来进步奠定了基础。