ดาวน์โหลด VKM - ดาวน์โหลดซอร์สโค้ด VKM

VKM

ซอร์สโค้ดอื่น ๆ

ดาวน์โหลด

เครื่อง Voight-Kampff (VKM)

เครื่อง Voight-Kampff เป็นวิธีการเลือกเกณฑ์การปฏิเสธสำหรับท่าทางที่กำหนดเองโดยอัตโนมัติ ในการสตรีมข้อมูลต่อเนื่องที่มีกิจกรรมสูง (HA) ไม่ทราบจุดเริ่มต้นและจุดสิ้นสุดของท่าทาง และวิธีการมาตรฐานในการแบ่งส่วนตามภูมิภาคที่มีกิจกรรมต่ำส่งผลให้มีอัตราผลบวกลวงสูง ในทางกลับกัน VKM เลือกเกณฑ์การปฏิเสธที่เข้มงวด เพื่อลดจำนวนผลบวกลวงและผลลบลวงให้เหลือน้อยที่สุด ซึ่งหมายความว่าด้วยตัวอย่างการฝึกอบรมเพียงไม่กี่ตัวอย่างต่อชั้นเรียน ผู้ใช้สามารถรับการจดจำท่าทางแบบกำหนดเองที่แม่นยำได้ แม้ว่าข้อมูลที่ต่อเนื่องกันจะมีกิจกรรมสูงก็ตาม

พื้นที่เก็บข้อมูลนี้มีการใช้งาน Python VKM อ้างอิงพร้อมรองรับท่าทาง Kinect แบบเต็มตัว

ชุดข้อมูล

ชุดข้อมูลกิจกรรมระดับสูงของอุปกรณ์สี่ประเภท (Kinect, เมาส์, ตำแหน่ง Vive, Vive Quaternion) จะรวมอยู่ในสิ่งพิมพ์ ชุดข้อมูลจะถูกดาวน์โหลดโดยอัตโนมัติและคลายการบีบอัดในครั้งแรกที่คุณเรียกใช้ไฟล์ main.py คุณยังสามารถดาวน์โหลดชุดข้อมูลด้วยตนเองได้ที่นี่

กำลังรันโค้ด

ทำงานกับ Python 3.9.6 ✅
หน้าต่าง:

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

Linux, Mac (conda เป็นวิธีที่ง่ายที่สุดในการรองรับ 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

รายละเอียดเพิ่มเติม

สำหรับการเผยแพร่ เราได้ประเมิน VKM ว่าเป็นส่วนหนึ่งของขั้นตอนการประมวลผลข้อมูลอย่างต่อเนื่อง ซึ่งเราเรียกว่า The Dollar General (TDG) [4] TDG ประกอบด้วยเทคนิคการรู้จำท่าทางแบบไม่เชื่ออุปกรณ์ และส่วนประกอบหลักคือ: Machete [2] ซึ่งเสนอขอบเขตที่อาจเป็นท่าทาง Jackknife [1] ซึ่งจำแนกภูมิภาคที่เสนอ VKM [งานนี้] ซึ่งปฏิเสธอินพุตที่ไม่ผ่านเกณฑ์ความคล้ายคลึงกัน หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับการวิจัยนี้และรายละเอียดด้านเทคนิคเกี่ยวกับวิธีการ โปรดดูที่รายการต่อไปนี้:

หน้าโครงการที่เว็บไซต์ ISUE Lab

[1] Taranta II, EM, Samiei, A., Maghoumi, M., Khaloo, P., Pittman, CR และ LaViola Jr, J. "Jackknife: เครื่องจดจำที่เชื่อถือได้ซึ่งมีตัวอย่างเพียงไม่กี่ตัวอย่างและรังสีต่างๆ มากมาย" การดำเนินการของการประชุม CHI ปี 2017 เรื่องปัจจัยมนุษย์ในระบบคอมพิวเตอร์ 2017.

[2] Taranta II, EM, Pittman, CR, Maghoumi, M., Maslych, M., Moolenaar, YM และ Laviola Jr, JJ "Machete: การแบ่งส่วนท่าทางแบบกำหนดเองที่ง่าย มีประสิทธิภาพ และแม่นยำต่อเนื่อง" ธุรกรรม ACM เกี่ยวกับการโต้ตอบระหว่างคอมพิวเตอร์และมนุษย์ (TOCHI) 28.1 (2021): 1-46

(3) Eugene M. Taranta II, Mehran Maghoumi, Corey R. Pittman และ Joseph J. LaViola Jr. "แนวทางการสร้างต้นแบบอย่างรวดเร็วเพื่อสร้างข้อมูลสังเคราะห์เพื่อการจดจำท่าทาง 2D ที่ได้รับการปรับปรุง" การดำเนินการของการประชุมสัมมนาประจำปีครั้งที่ 29 เกี่ยวกับซอฟต์แวร์และเทคโนโลยีส่วนต่อประสานกับผู้ใช้ พลอากาศเอก, 2559.

[4] Taranta II, EM, Maslych, M., Ghamandi, R. และ Joseph J. LaViola, Jr. "เครื่อง Voight-Kampff สำหรับการเลือกเกณฑ์การปฏิเสธท่าทางแบบกำหนดเองอัตโนมัติ" การประชุม CHI เรื่องปัจจัยมนุษย์ในระบบคอมพิวเตอร์ 2022.

การอ้างอิง

หากคุณพบว่าตัวเองใช้ VKM หรือชุดข้อมูล High Activity โปรดอ้างอิงเอกสารต่อไปนี้:

 @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}
}