تنزيل VKM - تنزيل كود مصدر VKM

VKM

شفرة المصدر الأخرى

تنزيل

آلة فويت كامبف (VKM)

تعد آلة Voight-Kampff طريقة لتحديد حد الرفض للإيماءات المخصصة تلقائيًا. في تدفق البيانات المستمر عالي النشاط (HA)، تكون نقاط البداية والنهاية للإيماءات غير معروفة، وتؤدي الأساليب القياسية للتجزئة بناءً على المناطق منخفضة النشاط إلى معدلات إيجابية كاذبة عالية. من ناحية أخرى، تختار VKM عتبة رفض ضيقة لتقليل عدد الإيجابيات والسلبيات الكاذبة. وهذا يعني أنه من خلال عدد قليل فقط من عينات التدريب لكل فصل، يمكن للمستخدم الحصول على أداة التعرف على الإيماءات المخصصة الدقيقة حتى عندما تكون البيانات المستمرة عالية النشاط.

يحتوي هذا المستودع على تطبيق Python VKM المرجعي مع دعم إيماءات Kinect لكامل الجسم.

مجموعات البيانات

تم تضمين مجموعة بيانات عالية النشاط مكونة من أربعة أنواع من الأجهزة (Kinect وMouse وVive Position وVive Quaternion) في المنشور. سيتم تنزيل مجموعة البيانات وفك ضغطها تلقائيًا في المرة الأولى التي تقوم فيها بتشغيل ملف main.py يمكنك أيضًا تنزيل مجموعة البيانات يدويًا هنا.

تشغيل الكود

العمل على بايثون 3.9.6 ✅
ويندوز:

$ git clone https://github.com/ISUE/VKM
$ cd VKMpython
$ python -m venv myenv
$ myenvScriptsactivate
$ pip install numpy
$ python main.py

Linux وMac (conda هي أسهل طريقة لدعم M1)

$ git clone https://github.com/ISUE/VKM
$ cd VKM/python
$ conda create -n myenv python=3.9.6 numpy
$ conda activate myenv
$ python main.py

مزيد من التفاصيل

بالنسبة للنشر، قمنا بتقييم VKM كجزء من خط أنابيب معالجة البيانات المستمر، والذي نشير إليه باسم الدولار العام (TDG) [4]. يتكون TDG من تقنيات التعرف على الإيماءات غير المرتبطة بالجهاز، ومكوناته الرئيسية هي: Machete [2]، الذي يقترح مناطق قد تكون إيماءات؛ Jackknife [1]، الذي يصنف المناطق المقترحة؛ VKM [هذا العمل]، الذي يرفض المدخلات التي لا تتجاوز عتبة التشابه. لمعرفة المزيد عن هذا البحث وللحصول على تفاصيل فنية حول هذا النهج، يرجى الرجوع إلى ما يلي:

صفحة المشروع على موقع ISUE Lab.

[1] Taranta II, EM, Samiei, A., Maghoumi, M., khaloo, P., Pittman, CR, and LaViola Jr, J. "Jackknife: أداة التعرف الموثوقة مع عينات قليلة والعديد من الطرائق." وقائع مؤتمر CHI لعام 2017 حول العوامل البشرية في أنظمة الحوسبة. 2017.

[2] Taranta II, EM, Pittman, CR, Maghoumi, M., Maslych, M., Moolenaar, YM, and Laviola Jr, JJ "Machete: تقسيم الإيماءات المخصصة المستمرة سهل وفعال ودقيق." معاملات ACM المتعلقة بالتفاعل بين الكمبيوتر والإنسان (TOCHI) 28.1 (2021): 1-46.

[3] يوجين م. تارانتا الثاني، مهران ماغومي، كوري ر. بيتمان، وجوزيف ج. لافيولا جونيور "نهج النماذج الأولية السريعة لتوليد البيانات الاصطناعية لتحسين التعرف على الإيماءات ثنائية الأبعاد." وقائع الندوة السنوية التاسعة والعشرين حول برامج وتكنولوجيا واجهة المستخدم. ايه سي ام، 2016.

[4] Taranta II, EM, Maslych, M., Ghamandi, R., and Joseph J. LaViola, Jr. "آلة Voight-Kampff للاختيار التلقائي لعتبة رفض الإيماءات." مؤتمر CHI حول العوامل البشرية في أنظمة الحوسبة. 2022.

الاقتباس

إذا وجدت نفسك تستخدم VKM أو مجموعة بيانات النشاط العالي، فيرجى الرجوع إلى الورقة التالية:

 @inproceedings{taranta2022_VKM,
    author = {Taranta, Eugene Matthew and Maslych, Mykola and Ghamandi, Ryan and LaViola, Joseph},
    title = {The Voight-Kampff Machine for Automatic Custom Gesture Rejection Threshold Selection},
    year = {2022},
    isbn = {9781450391573},
    publisher = {Association for Computing Machinery},
    address = {New York, NY, USA},
    url = {https://doi.org/10.1145/3491102.3502000},
    doi = {10.1145/3491102.3502000},
    booktitle = {CHI Conference on Human Factors in Computing Systems},
    articleno = {556},
    numpages = {15},
    keywords = {rejection, customization, gesture, recognition},
    location = {New Orleans, LA, USA},
    series = {CHI '22}
}