研究員用生理信號提前預測VR暈動癥,準確率達97.44%

    VR/AR
    2020
    10/27
    20:31
    映維網
    分享
    評論

    來源:映維網  作者 夢秋

    在沉浸在VR環境中的時候,用戶經常會出現某種程度的暈動癥。這是阻礙VR普及的最大障礙之一,而即便經過數十年的研究,行業人士依然在探索有效的解決方案。

    德州大學圣安東尼奧分校和休斯頓大學的研究人員最近發布了一份名為Automatic Detection and Prediction of Cybersickness Severity using Deep Neural Networks from user’s Physiological Signals(使用深層神經網絡并根據用戶生理信號自動檢測和預測暈動癥嚴重程度)的研究論文,并提出利用深層神經網絡來幫助檢測和預測暈動癥,從而幫助系統及時采取適合的緩解措施或提醒用戶。

    由于精度高,采集暈動癥相關數據的標準方法一般是利用腦電圖(EEG)信號,而不是通過其他生理測量數據,如心率或呼吸頻率。但是,德州大學圣安東尼奧分校和休斯頓大學的研究人員認為生理數據的采集要比EEG數據簡單,并且需要更少的后處理。

    針對生理數據之于EEG信號的劣勢,團隊把目光投向了深層神經網絡,利用機器學習和深度學習方法訓練了一個名為Convolutional Long Short-Term Memory的機器學習模型。

    在實驗中,31名健康的被試將頭戴頭顯,手指接入GSR傳感器,胸口配備一個OmniSense HR傳感器,然后再體驗一款過山車模擬器。不出所料,大多數被試在數分鐘后就出現了某種形式的暈動癥。

    團隊同時采集了被試的心率、呼吸頻率、心率變異性和皮膚電反應數據,并發現被試在經歷暈動癥時的生理信號與正常基線存在顯著差異。然后,研究人員比較了一個支持向量機分類器和三個深度神經分類器在兩分鐘內檢測和預測未來兩分鐘內的暈動癥程度。

    結果表明,Convolutional Long Short-Term Memory分類器在根據生理信號檢測當前暈動癥程度方面的精確度達到97.44%,而預測未來暈動癥嚴重程度的精確率則為87.38%。

    相關論文:Automatic Detection and Prediction of Cybersickness Severity using Deep Neural Networks from user’s Physiological Signals

    研究人員指出,他們需要進行更多的研究,比如擴大被試人數和被試類型,同時針對不同類型的VR體驗進行測試。

    但顯然,如果能夠精確地測量用戶當前的暈動癥程度,并且提前預判用戶的暈動癥嚴重程度,系統就能及時地采取相應的預防措施。

    原文鏈接:https://yivian.com/news/79116.html

    THE END
    廣告、內容合作請點擊這里 尋求合作
    VR
    免責聲明:本文系轉載,版權歸原作者所有;旨在傳遞信息,不代表砍柴網的觀點和立場。

    相關熱點

    Facebook于9月17日正式發布Oculus Quest 2并同時開放預購。這款設備的尺寸和重量皆優于初代Quest,且實現了更快的響應速度和更高的分辨率。重要的是,產品起售價僅為299美元。
    VR
    還記得Google Tango嗎?蘋果正在大力押注LiDAR激光雷達技術,所述技術成為了iPhone 12家族的全新技術,尤其是iPhone12 Pro和iPhone12 Pro Max。如果能夠成功,激光雷達LiDAR將成為一個你會經常聽到的術語...
    VR
    當你嘗試伸手從蘋果樹上摘下一顆蘋果時,你會獲得一系列不同的感知體驗,如抱握蘋果時的硬度,拽拉蘋果時的樹枝阻力,摘下蘋果后手掌承受的蘋果重量,以及指尖觸碰蘋果時的光滑圓潤等等。
    VR
    混合現實視頻是向大家分享VR游戲體驗的最佳方式之一,尤其是如果你是通過流媒體平臺進行直播。這種形式的視頻可以將你實時嵌入到視頻流中,并呈現出你在第三人稱視角下暢玩游戲的感覺。
    VR
    HoloLens可以將數字對象疊加到現實世界,但要精確地呈現全息圖,開發者需要應對一系列的獨特挑戰。例如聲音。日前,微軟首席軟件工程師麥克·切米斯查克(Mike Chemistruck)通過博文介紹了音頻開發方面的...
    VR

    相關推薦

    1
    3
    主站蜘蛛池模板: 久久99国产精品一区二区| 精品人体无码一区二区三区 | 国产午夜精品一区理论片飘花| 日本不卡一区二区三区视频| 日韩精品一区二区三区不卡| 国产激情无码一区二区app| 国产福利一区二区精品秒拍| 国产乱码一区二区三区| 文中字幕一区二区三区视频播放| 精品国产一区二区三区2021| 搜日本一区二区三区免费高清视频 | 精品国产精品久久一区免费式| 日本午夜精品一区二区三区电影| 亚洲永久无码3D动漫一区| 福利一区福利二区| 一区二区三区内射美女毛片| 国产成人av一区二区三区在线 | 国产aⅴ一区二区三区| 精品国产日韩亚洲一区91| 欧美亚洲精品一区二区| 人妻视频一区二区三区免费 | 精品一区二区三区在线观看| 无码少妇一区二区浪潮av| 亚洲av区一区二区三| 一区国严二区亚洲三区| 成人乱码一区二区三区av| 国产在线无码视频一区二区三区| 丝袜人妻一区二区三区| 无码免费一区二区三区免费播放| 色偷偷av一区二区三区| 精品乱码一区二区三区四区| 97人妻无码一区二区精品免费| 中文字幕av日韩精品一区二区 | 天堂一区人妻无码| 国产在线一区二区杨幂| av在线亚洲欧洲日产一区二区| 综合久久一区二区三区 | 久久精品一区二区三区中文字幕 | 精品视频一区二区三区在线观看| 色老头在线一区二区三区 | 麻豆视频一区二区三区|