Core Concepts
低消費電力デバイスでのジェスチャー認識技術の革新的方法論を紹介し、個々に設計されたハードウェアの一般化を促進する。
Abstract
AIコミュニティにおける手のジェスチャー認識への関心が高まっている。
画像データへの依存度が高い従来の研究から、低消費電力センサーデバイスで動作する技術への需要が増加している。
新しい手法は、適応的かつアジャイルなエラー修正を使用して、限られたバッテリー容量とコンピューティングパワーを持つデバイス上でレガシージェスチャー認識モデルの性能を向上させることを目指している。
ユーザごとにカスタマイズ可能なエラーコレクタは、低コスト・低消費電力マイクロコントローラ上で基本モデルのアジャイルなパフォーマンスを維持しながら、動きパターンに基づくジェスチャー予測をダイナミックに調整することができる。
イントロダクション:
手ジェスチャー認識は急速に発展しており、ビジョンベースシステムよりも信号解析が有利であることが示唆されている。
メソッド:
エラーコレクタは高次元特徴空間内でエラーを分離し、正確なジェスチャー予測に修正するために使用されている。
結果と考察:
多数の基本システムから最適なパフォーマンサを選択し、新規ユーザーデータセットでは性能が向上した。
高次元特徴空間ではエラーと正解セットが区別されやすくなり、全体的な精度向上に寄与した。
Stats
20,000以上の触覚フレームから12人のユーザが4種類の動的手ジェスチャーを実行した。
etee手コントローラを使用して収集されたデータは0.85Wしか使用しなかった。