MétaCan
Menu
Retour à la cohorte
Enregistrement W2293105681

Wearable Sensor Networks for Motion Capture

2015· article· en· W2293105681 sur OpenAlexaff
Dennis Arsenault, Anthony Whitehead

Notice bibliographique

RevueEAI Endorsed Transactions on Game-Based Learning · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueHuman Motion and Animation
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésWearable computerComputer scienceAugmented realityMotion captureKey (lock)Human–computer interactionInertial measurement unitVirtual realityEntertainmentMatch movingMotion (physics)Computer visionEmbedded systemComputer security
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This work presents the development of a full body sensor-based motion tracking system that functions through wearable inertial sensors. The system is comprised of a total of ten wearable sensors and maps the player's motions to an onscreen character in real-time. A hierarchical skeletal model was implemented that allows players to navigate and interact with the virtual world without the need of a hand-held controller. To demonstrate the capabilities of the system, a simple virtual reality game was created. As a wearable system, the ability for the users to engage in activities while not being tied to a camera system, or being forced indoors presents a significant opportunity for mobile entertainment, augmented reality and interactive systems that use the body as a significant form of input. This paper outlines the key developments necessary to implement such a system.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil0,898

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,222
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEAI Endorsed Transactions on Game-Based LearningMême sujetHuman Motion and AnimationTravaux en français237 207