核心概念
本稿では、多点触覚における知覚的重要度を予測する新しい時空間グラフニューラルネットワークモデルを提案する。これは、触覚情報圧縮、特に将来普及が見込まれる多点触覚インタラクションにおける空間圧縮アルゴリズムの開発に貢献するものである。
要約
多点触覚における知覚的重要度の予測を目的とした、自己教師あり時空間グラフマスク伝播アテンションネットワーク
本論文は、多点触覚における知覚的重要度を予測する新しい深層学習モデル、自己教師あり時空間グラフマスク伝播アテンションネットワーク (SSTGMPAN) を提案する。
触覚マルチメディア技術は、没入型体験に不可欠であるが、まだ発展途上である。
触覚情報は、視覚や聴覚情報と比べてデータ量が小さいものの、将来的には多点インタラクションが主流になると予想される。
多点インタラクションでは、インタラクションポイントの増加に伴いデータ量が急増するため、触覚データの圧縮が必須となる。
既存の触覚コーデックは、単一点の周波数領域の知覚特性のみを考慮しており、多点で空間的に分散したインタラクションを考慮していない。