Users' head movement obtained from avatars in social VR applications
Notice bibliographique
Résumé
Virtual Reality has been endorsed as a highly beneficial tool for face and hand-head gesture research [Sidenmark and Gellersen (2019), ACM Trans. Computer-Human Interaction 27(4)]. Studies have shown [i.e., Xu, X. et al., J. Biomech. 48(4), 721–724 (2015)] that avatars accurately simulate user movements and allow researchers to obtain users' movements remotely without in-person contact or external recordings taken by the users. This study examines head movements of avatars in three popular social VR applications (Altspace, Oculus Home, and vTime XR) using Openface 2.0 [Baltrusaitis et al., in 13th IEEE International Conference on Automatic Face & Gesture Recognition (FG 2018) (2018), pp. 59–66], software that measures head movements in a video. In each of these three platforms, we recorded a user making a sequence of head movements, rotating side-to-side and up-and-down to their maximum extension. Pilot results show that avatar movements in all three apps could be tracked by OpenFace 2.0. Further analysis will include which application's avatars best represent the user's real-time movements. This study provides insight into speech behaviour research and whether user movements are analysable via an avatar, without in-person contact or lab facilities under the new COVID-19 regulations.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».