基于虚拟环境的多通道可信交互研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61902147
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    23.0万
  • 负责人：
    高博宇
  • 依托单位：
    暨南大学
  • 学科分类：
    F0209.计算机图形学与虚拟现实
  • 结题年份：
    2022
  • 批准年份：
    2019
  • 项目状态：
    已结题
  • 起止时间：
    2020-01-01 至2022-12-31

项目摘要

Believable interaction is one of the most essential requirements in Virtual Environments (VEs), where it can provide and maintain the sense of presence. However, the inconsistency of multimodal feedback in VEs (e.g. touch something, feel nothing), particularly with the individual differences of spatial perception, lead to degrading the believable experience. Thus, one of good ways to alleviate this issue is to match the multimodal feedback of the VE with user-centric design. However, the conventional methods such as subjective interview and task-oriented evaluation aimed to analyze the effects of the fidelity of visual, auditory and haptic feedback on believable experience. There is little work on measuring believable experience based on perceptual ability. Therefore, from the perspective of sensory and perceptual consistency, this project aims to investigate the real-time quantification of believable perceptual ability through the technology of Event-Related Potential (ERP). Combined with the subjective evaluation, it can further reveal the relationship between the believable interaction and the key characteristics of the multimodal feedback, so as to guide design believable experience with perception of virtual avatar. Based on the research results, this project will design target acquisition interface based on believability framework. The outcome of this project is expected to provide design guidelines for believable interaction in VEs.
可信交互体验是虚拟环境中最重要的需求之一，可以为用户提供并维持身临其境的感受。然而，由于虚拟环境中多通道反馈信息不一致(如触摸物体，无感觉反馈)，以及用户空间感知的差异性，导致用户可信体验变差。如何以用户为中心来匹配虚拟环境的多通道交互特征，可以有效地解决以上问题。但目前普遍采用主观问卷或任务差异性评估来分析虚拟环境的视觉、听觉、触觉等感官保真度与可信交互的关系，缺乏基于用户感知的多通道可信交互研究。因此，本项目从多通道感官与感知一致性角度出发，拟利用事件相关电位技术，对用户的可信感知能力进行实时客观测评，综合对比主观评估，进一步揭示多通道反馈一致性的关键特征与可信交互的量化关系，以便指导设计基于虚拟化身的感知可信交互，来提升用户体验。基于研究结果，本项目将实现基于可信交互模型的目标选择用户界面。本项目的研究成果将为虚拟现实可信交互提供理论依据。

结项摘要

可信交互体验是虚拟环境中最重要的需求之一，可以为用户提供并维持身临其境的感受。然而，由于虚拟环境中多通道反馈信息不一致(如触摸物体，无感觉反馈)，以及用户空间感知的差异性，导致用户可信体验变差。如何以用户为中心来匹配虚拟环境的多通道交互特征，可以有效地解决以上问题。但目前普遍采用主观问卷或任务差异性评估来分析虚拟环境的视觉、听觉、触觉等感官保真度与可信交互的关系，缺乏基于用户感知的多通道可信交互研究。因此，本项目从多通道感官与感知一致性角度出发，对用户的可信感知能力进行实时客观测评，综合对比主观评估，进一步揭示多通道反馈一致性的关键特征与可信交互的量化关系，利用可信交互框架指导设计基于虚拟化身的感知可信交互，进一步来提升用户体验。此外，本项目实现了基于可信交互模型的目标选择用户界面与虚拟移动交互界面。本项目的研究成果将为虚拟现实可信交互提供理论依据。.项目组已在CCF-A类\中科院一区顶刊IEEE TVCG、IJHCS、IEEE TII，及CCF-A类顶会IEEE VR 2020\2021等发表高水平期刊会议论文16篇（其中包括6篇CCF-A类\中科院1区期刊论文、4篇CCF-A类会议长文与海报、3篇CCF-B类\中科院2区期刊论文、2篇CCF-C类会议长文，项目负责人为第一与通信作者论文共15篇，其中第一标注论文8篇，第二标注论文4篇，第三标注论文2篇，第四标注论文1篇）；申请国家发明专利6项，授权2项专利；完成年度进展报告2篇、结题报告1篇；以本项目为基础，培养6名硕士研究生与9名本科生，获得省级大创立项、港澳台侨创新创业大赛二等奖、吴渔夫学术科创竞赛一等奖、并多次获得国家奖学金等。

项目成果

期刊论文数量（9）
专著数量（0）
科研奖励数量（3）
会议论文数量（7）
专利数量（6）
LDGC-SR: Integrating long-range dependencies and global context information for session-based recommendation
LDGC-SR：集成远程依赖关系和全局上下文信息以进行基于会话的推荐
  • DOI：
    10.1016/j.knosys.2022.108894
  • 发表时间：
    2022-05-12
  • 期刊：
    KNOWLEDGE-BASED SYSTEMS
  • 影响因子：
    8.8
  • 作者：
    Qiu, Nan;Gao, BoYu;Luo, Weiqi
  • 通讯作者：
    Luo, Weiqi
Effects of Holding Postures on User-defined Touch Gestures for Tablet Interaction
握持姿势对平板电脑交互的用户定义触摸手势的影响
  • DOI：
    10.1016/j.ijhcs.2020.102451
  • 发表时间：
    2020
  • 期刊：
    International Journal of Human-Computer Studies (CCF-A类期刊)
  • 影响因子：
    --
  • 作者：
    Huawei Tu;Qihan Huang;Yanchao Zhao;BoYu Gao
  • 通讯作者：
    BoYu Gao
A Cognitive Joint Angle Compensation System Based on Self-Feedback Fuzzy Neural Network With Incremental Learning
基于增量学习的自反馈模糊神经网络的认知关节角度补偿系统
  • DOI：
    10.1109/tii.2020.3003940
  • 发表时间：
    2021-04-01
  • 期刊：
    IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS
  • 影响因子：
    12.3
  • 作者：
    Du, Guanglong;Liang, Yinhao;Li, Di
  • 通讯作者：
    Li, Di
Deep Attentive Multimodal Network Representation Learning for Social Media Images
社交媒体图像的深度注意力多模态网络表示学习
  • DOI：
    10.1145/3417295
  • 发表时间：
    2021-06
  • 期刊：
    ACM Transactions on Internet Technology (CCF-B类期刊)
  • 影响因子：
    --
  • 作者：
    Feiran Huang;Chaozhuo Li;BoYu Gao;Yun Liu;Sattam Alotaibi;Hao Chen
  • 通讯作者：
    Hao Chen
A Convolution Bidirectional Long Short-Term Memory Neural Network for Driver Emotion Recognition
用于驾驶员情绪识别的卷积双向长短期记忆神经网络
  • DOI：
    10.1109/tits.2020.3007357
  • 发表时间：
    2021-07-01
  • 期刊：
    IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS
  • 影响因子：
    8.5
  • 作者：
    Du, Guanglong;Wang, Zhiyao;Du, Cuifeng
  • 通讯作者：
    Du, Cuifeng

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

水道加朵体型深水扇形成机制与模式:以白云凹陷荔湾3-1地区珠江组为例
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    地学前缘
  • 影响因子：
    --
  • 作者：
    杨宝泉;于兴河;刘玉梅;朱国金;胡光义;高博宇;程岳宏;晋剑利;李顺利
  • 通讯作者：
    李顺利

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

高博宇的其他基金

虚拟环境下基于肢体姿势交互的虚拟移动技术研究
  • 批准号：
    62372212
  • 批准年份：
    2023
  • 资助金额：
    50 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码