Loading...
机构名称:
¥ 1.0

abtract本文利用无处不在的桌面交互数据作为生成虚拟现实(VR)交互数据的输入来源,该数据可以使用户行为分析和经验增强之类的任务受益。随时间变化的中风手势被选为主要重点,因为它们在各种应用程序及其di-derse模式中的流行率。桌面和VR笔触之间的共同点(例如,速度和曲率之类的特征)允许在VR笔触中生成其他维度(例如z向量)。但是,不同的交互环境(即桌面与VR)之间以及在相同的交互环境中,各种用户的不同笔触之间存在分布变化,这使得构建能够概括不看到的分布的模型变得具有挑战性。为了应对挑战,我们制定了从桌面中风生成VR中风的问题,作为有条件的时间序列生成问题,旨在学习能够处理分发数据外数据的表示形式。我们提出了一种基于条件生成对抗网络的新型体系结构,其中发电机包含三个步骤:离散输出空间,表征潜在的分布以及学习条件域不变的表示。我们通过将方法与最先进的时间序列生成模型进行比较并进行消融研究来评估我们的方法的有效性。我们通过两个应用程序进一步说明了富集VR数据集的应用:VR中风分类和中风预测。

从...

从...PDF文件第1页

从...PDF文件第2页

从...PDF文件第3页

从...PDF文件第4页

从...PDF文件第5页

相关文件推荐

2025 年
¥1.0
2023 年
¥8.0
2024 年

...

¥1.0
2024 年
¥2.0
2023 年

...

¥1.0
2015 年

...

¥1.0
2025 年

...

¥1.0
2023 年
¥9.0
2023 年

...

¥1.0
2023 年

...

¥1.0
2022 年
¥1.0
2024 年
¥1.0
2025 年

...

¥1.0
2023 年

...

¥1.0
2020 年
¥1.0
2022 年
¥2.0
2023 年
¥1.0
2023 年
¥1.0
2025 年
¥1.0
1900 年
¥5.0
2023 年

...

¥9.0
2023 年
¥1.0
2020 年

...

¥1.0
2020 年

...

¥1.0
2024 年

...

¥5.0
2022 年

...

¥1.0
2018 年
¥1.0
2022 年
¥1.0
2020 年
¥1.0
1900 年
¥2.0