MétaCan
Menu
Retour à la cohorte
Enregistrement W2990548414 · doi:10.20380/gi2019.09

Eliciting Wrist and Finger Gestures to Guide Recognizer Design

2019· article· en· W2990548414 sur OpenAlexaffvenue
Qi Feng Liu, Keiko Katsuragawa, Edward Lank

Notice bibliographique

RevueNPARC · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueHand Gesture Recognition Systems
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésGestureComputer scienceGesture recognitionRendering (computer graphics)WristModality (human–computer interaction)Set (abstract data type)Human–computer interactionArtificial intelligenceComputer visionSpeech recognitionMedicine

Résumé

récupéré en direct d'OpenAlex

While hand gestures, i.e. movements of the fingers and wrist, are a low-effort input modality, sensing and recognition of these smallscale gestures is challenging. In particular, while many authors have explored varying designs of hardware to support hand gesture input, each systems recognize their own gesture set, rendering challenging comparisons between different capture and recognition systems. In this paper, we explore the design of hand and finger gesture input by conducting an elicitation study to understand the tradeoffs between hand, wrist, and arm gestures. Alongside this, to evaluate the overall potential of wrist-worn recognition, we explore the design of hardware to recognize gestures by contrasting an IMUonly recognizer with a simple low-cost wrist-flex sensor. We discuss the implications of our work both to the comparative evaluation of systems and to the design of enhanced hardware sensing.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,744
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,250
Écart entre enseignants0,230 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetHand Gesture Recognition SystemsTravaux en français237 207