An exploration of multi-finger interaction on multi-touch surfaces
Notice bibliographique
Résumé
Recent advances in touch sensing technologies have made it possible to interact with computers in a device-free manner, allowing for arguably more natural and intuitive input using multiple hands and fingers. Unfortunately, existing multi-point touch-sensitive devices have a number of sensor limitations which restrict the types of manipulations that can be performed. Additionally, while many well-studied techniques from the bimanual interaction literature are applicable to these emerging multi-point devices, there remain many unanswered questions as to how multiple fingers from a single hand can best be utilized on these touch-sensitive surfaces. This dissertation attempts to address some of these open issues. We first develop the Visual Touchpad, a low-cost vision-based input device that allows for detecting multiple hands and fingertips over a constrained planar surface. Unlike existing multi-point devices, the Visual Touchpad extracts a reliable 2D image of the entire hand that can be used to extract more detailed information about the fingers such as labels, orientation, and hover. We then design and implement three systems that leverage the capabilities of the Visual Touchpad to explore how multiple fingers could be used in real-world interface scenarios. Next we propose and experimentally validate a fluid interaction style that uses the thumb and index finger of a single hand in an asymmetric-dependent manner to control bi-digit widgets, where the index finger performs the primary and more frequent 2D tasks and the thumb performs secondary and less frequent tasks to support the index finger's manipulations. We then investigate the impact of visual feedback on the perception of finger span when using bi-digit widgets to merge command selection and direct manipulation. Results suggest that users are capable of selecting from up to 4 discrete commands with the thumb without any visual feedback, which allows us to design a set of more advanced bidigit widgets that facilitate smooth transitioning from novice to expert usage.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».