Hand motion is an important compone

Hand motion is an important component of human motion, playing
a central role in communication. However, it is difficult to capture
hand motion optically, especially in conjunction with full body motion.
Due to a lack of appropriate calibration methods, data gloves
also do not provide sufficiently accurate hand motion. In this paper,
we present a novel glove calibration approach that can map
raw sensor readings to hand motion data with both accurate joint
rotations and fingertip positions. Our method elegantly handles the
sensor coupling problem by treating calibration as a flexible mapping
from sensor readings to joint rotations. A sampling process
collects data tuples according to accuracy requirements, and organizes
all the tuples in a training set. From these data, a specially
designed Gaussian Process Regression model is trained to infer the
calibration function, and the learned model can be used to calibrate
new sensor readings. For real-time hand motion capture, a sparse
approximation of the model is used to enhance performance. Evaluation
experiments demonstrate that our approach provides significantly
better results that have more accurate hand shapes and fingertip
positions, compared to other calibration methods.

ผลลัพธ์ (ไทย) 1:

เคลื่อนไหวมือเป็นส่วนประกอบสำคัญของมนุษย์เคลื่อนไหว การเล่นบทบาทศูนย์กลางในการสื่อสาร อย่างไรก็ตาม มันเป็นเรื่องยากในการจับภาพมือเคลื่อนไหว optically โดยเฉพาะอย่างยิ่งในร่วมกับการเคลื่อนไหวร่างกายแบบเต็มขาดวิธีการปรับเทียบที่เหมาะสม ข้อมูลถุงมือยัง มีการเคลื่อนไหวมือที่ถูกต้องเพียงพอ ในเอกสารนี้เรานำเสนอวิธีการปรับเทียบแบบถุงมือนวนิยายที่สามารถแมปอ่านเซ็นเซอร์ดิบมือเคลื่อนไหวข้อมูลร่วมทั้งสองถูกต้องหมุนเวียนและตำแหน่งนิ้ว วิธีของเราจัดการอย่างปัญหาคลัปเซ็นเซอร์ โดยรักษาเทียบเป็นแผนที่ยืดหยุ่นจากอ่านเซ็นเซอร์เพื่อหมุนเวียนร่วม กระบวนการสุ่มตัวอย่างรวบรวมข้อมูล tuples ตามความต้องการความถูกต้อง และจัดทุก tuples ในการฝึกอบรมได้ จากข้อมูลเหล่านี้ เป็นพิเศษออกแบบ Gaussian กระบวนการถดถอยแบบจำลองคือการฝึกอบรมเพื่อเข้าใจการสามารถใช้ฟังก์ชันปรับเทียบ และรูปแบบการเรียนรู้การใหม่เซ็นเซอร์อ่าน สำหรับมือแบบเรียลไทม์เคลื่อนไหวจับ เป็นบ่อประมาณรุ่นถูกใช้เพื่อเพิ่มประสิทธิภาพ ประเมินการทดลองแสดงให้เห็นว่า วิธีการของเราให้มากผลดีที่ได้ถูกต้องมากขึ้นมือรูปร่างและปลายนิ้วตำแหน่ง การเปรียบเทียบกับวิธีอื่น ๆ เทียบ

ผลลัพธ์ (ไทย) 2:

การเคลื่อนไหวมือเป็นองค์ประกอบที่สำคัญของการเคลื่อนไหวของมนุษย์, การเล่น
บทบาทสำคัญอย่างยิ่งในการสื่อสาร แต่ก็เป็นเรื่องยากที่จะจับ
การเคลื่อนไหวมือสายตาโดยเฉพาะอย่างยิ่งในการร่วมกับการเคลื่อนไหวร่างกายเต็มรูปแบบ.
เนื่องจากขาดวิธีการสอบเทียบที่เหมาะสมถุงมือข้อมูลที่
ยังไม่ได้ให้การเคลื่อนไหวมือที่ถูกต้องเพียงพอ ในบทความนี้
เราจะนำเสนอวิธีการสอบเทียบถุงมือนวนิยายที่สามารถแม
อ่านเซ็นเซอร์ดิบข้อมูลการเคลื่อนไหวมือกับทั้งสองร่วมกันที่ถูกต้อง
ผลัดและตำแหน่งปลายนิ้ว วิธีการของเราอย่างหรูหราจัดการกับ
ปัญหาการมีเพศสัมพันธ์โดยการรักษาเซ็นเซอร์ปรับเทียบเป็นแผนที่ที่มีความยืดหยุ่น
จากการอ่านเซ็นเซอร์ผลัดร่วมกัน กระบวนการสุ่มตัวอย่าง
เก็บ tuples ข้อมูลตามความต้องการของความถูกต้องและจัด
tuples ทั้งหมดในชุดการฝึกอบรม จากข้อมูลเหล่านี้เป็นพิเศษ
กระบวนการ Gaussian การออกแบบรูปแบบการถดถอยได้รับการฝึกฝนเพื่อสรุป
ฟังก์ชั่นการสอบเทียบและรูปแบบการเรียนรู้ที่สามารถนำมาใช้ในการสอบเทียบ
การอ่านเซ็นเซอร์ใหม่ สำหรับการจับภาพเคลื่อนไหวมือแบบ real-time เบาบาง
ประมาณของรูปแบบที่ใช้ในการเพิ่มประสิทธิภาพการทำงาน การประเมินผล
การทดลองแสดงให้เห็นว่าวิธีการของเราอย่างมีนัยสำคัญให้
ผลลัพธ์ที่ดีกว่าที่มีรูปทรงมือที่ถูกต้องมากขึ้นและปลายนิ้ว
ตำแหน่งเมื่อเทียบกับวิธีการสอบเทียบอื่น ๆ

ผลลัพธ์ (ไทย) 3:

การเคลื่อนไหวมือเป็นส่วนประกอบสำคัญของการเคลื่อนไหวของมนุษย์ เล่น
บทบาทเป็นศูนย์กลางในการสื่อสาร อย่างไรก็ตาม มันเป็นเรื่องยากที่จะจับ
เคลื่อนไหวมือด้านข้าง โดยเฉพาะร่วมกับการเคลื่อนไหวร่างกายเต็ม
เนื่องจากการขาดวิธีการสอบเทียบที่เหมาะสม ถุงมือ
ข้อมูลยังไม่มีการเคลื่อนไหวมือถูกต้องเพียงพอ ในกระดาษนี้
เราเสนอนวนิยายถุงมือสอบเทียบ วิธีการที่สามารถแผนที่
อ่านเซ็นเซอร์ดิบส่งข้อมูลการเคลื่อนไหว กับทั้งถูกต้องร่วมกัน
การหมุนและตำแหน่งปลายนิ้ว วิธีการจัดการปัญหาอย่างด้วยการสอบเทียบเซนเซอร์คัป

อ่านแผนที่เป็นยืดหยุ่นจากเซ็นเซอร์หมุนข้อต่อ ตัวอย่างกระบวนการ
รวบรวมข้อมูลตามความต้องการที่มีความถูกต้อง และจัดระเบียบ
ที่มีทั้งหมดในการตั้งค่า จากข้อมูลเหล่านี้ เป็นพิเศษ
เสียนกระบวนการออกแบบแบบจำลองการถดถอยคือฝึกการอนุมาน
ฟังก์ชันการปรับแต่งและเรียนรู้รูปแบบสามารถใช้ในการปรับค่า
อ่านเซ็นเซอร์ใหม่ - เวลามือเคลื่อนไหวจับภาพการเบาบาง
ของแบบจำลองจะใช้เพื่อเพิ่มประสิทธิภาพ การทดลองแสดงให้เห็นว่าวิธีการของเรามีการประเมิน

อย่างมีนัยสำคัญทางสถิติผลลัพธ์ที่ดีกว่าที่มีรูปร่างมือถูกต้องมากขึ้นและปลายนิ้ว
ตำแหน่งเมื่อเปรียบเทียบกับวิธีการปรับแต่งอื่น ๆ