Notice: Undefined index: linkPowrot in C:\wwwroot\wwwroot\publikacje\publikacje.php on line 1275

Strona główna > Publikacje

Publikacje

Nie podano kosztów publikacji ! (W celu uzupełnienia skontaktuj się z Dyrektorem Dyscypliny)

[131980] Artykuł:

Automated Classification of Virtual Reality User Motions Using a Motion Atlas and Machine Learning Approach

(Zautomatyzowana klasyfikacja ruchów użytkownika w wirtualnej rzeczywistości przy użyciu atlasu ruchu i podejścia uczenia maszynowego)
Czasopismo: IEEE Access Tom: 12, Strony: 94584-94609
ISSN: 2169-3536
Opublikowano: Lipiec 2024
Liczba arkuszy wydawniczych: 2.50

Autorzy / Redaktorzy / Twórcy

Imię i nazwisko	Wydział	Katedra	Do oświadczenia nr 3	Grupa przynależności	Dyscyplina naukowa	Procent udziału	Liczba punktów do oceny pracownika	Liczba punktów wg kryteriów ewaluacji
P. Pięta	WEAiI	Katedra Systemów Informatycznych *	Tak	zaliczony do "N"	Automatyka, elektronika, elektrotechnika i technologie kosmiczne	8	.00	.00
H. Jegierski			Nie	spoza "N" jednostki	0	8	.00	.00
P. Babiuch			Nie	spoza "N" jednostki	0	8	.00	.00
M. Jegierski			Nie	spoza "N" jednostki	0	8	.00	.00
M. Płaza	WEAiI	Katedra Systemów Informatycznych *	Tak	zaliczony do "N"	Automatyka, elektronika, elektrotechnika i technologie kosmiczne	8	.00	.00
G. Łukawski	WEAiI	Katedra Systemów Informatycznych *	Tak	zaliczony do "N"	Automatyka, elektronika, elektrotechnika i technologie kosmiczne	8	.00	.00
S. Deniziak	WEAiI	Katedra Systemów Informatycznych *	Tak	zaliczony do "N"	Informatyka techniczna i telekomunikacja	8	.00	.00
A. Jasiński	WEAiI		Nie	spoza "N" jednostki	0	8	.00	.00
J. Opałka	WEAiI		Nie	spoza "N" jednostki	0	8	.00	.00
P. Węgrzyn			Nie	spoza "N" jednostki	0	8	.00	.00
M. Igras-Cybulska			Nie	spoza "N" jednostki	0	8	.00	.00
A. Łapczyński			Nie	spoza "N" jednostki	0	8	.00	.00

Grupa MNiSW: Publikacja w czasopismach wymienionych w wykazie ministra MNiSzW (część A)
Punkty MNiSW: 0

DOI

Keywords:

Action recognition activity recognition artificial intelligence classification deep learning independent component analysis machine learning motion analysis motion atlas motion capture motion recognition neural networks principal component analysis sensors user movement video games virtual reality.

Abstract:

A novel motion atlas consisting of 56 different motions was constructed to meet needs of virtual reality (VR) video games. Within the atlas four motion categories were defined: head movements (HEAD), hand and arm movements (ARMS), whole body movements (BODY), and animations (ANIM). The data identifying the motion patterns were collected exclusively using VR system peripherals, namely goggles and controllers – for motion capture (MoCap) purposes, the HTC Vive Pro and Meta Quest 2 devices were used. By employing popular machine learning (ML) architectures, 300 motion recognition models were trained, and the most effective ones were selected. The study included classical algorithms such as k-nearest neighbors (kNN), logistic regression (LR), support vector machine (SVM), decision tree (DT), extra-trees classifier (Ensemble), random forests (RF), naive Bayes classifier (NB), and LightGBM (LGBM), which were selected based on literature review. Deep learning (DL) algorithms were also tested: convolutional neural network (CNN), transformer, and long-short-term memory (LSTM). Despite the significantly larger size of the motion atlas compared to other approaches and the limitation to naturally available data within VR systems, the best obtained CNN model achieved a weighted F-score of nearly 98% for motion recognition.

Strona główna > Publikacje