VR.net：一个用于虚拟现实运动晕眩研究的真实世界数据集
摘要：用机器学习方法识别虚拟现实体验中的晕动病症状。这些方法需要一个准确标记的、真实世界的、多样化的数据集以提高准确性和泛化性能。为了满足这一需求，我们引入了名为“VR.net”的数据集，该数据集提供了来自10个不同类型游戏的约12小时的游戏视频。对于每个视频帧，我们准确地分配了一系列与晕动病相关的标签，如相机/物体移动、景深和运动流。构建这样的数据集是具有挑战性的，因为手动标记需要耗费不可行的时间。因此，我们利用一种工具从三维引擎的渲染流程中自动和准确地提取实际数据，而无需访问虚拟现实游戏的源代码。我们通过几个应用程序展示了VR.net的实用性，例如风险因素检测和晕动病程度预测。我们将不断扩展VR.net，并设想其下一个版本提供比当前形式多10倍的数据。我们相信，VR.net的规模、准确性和多样性可以为虚拟现实晕动病研究和其他领域带来无与伦比的机会。
作者：Elliott Wen, Chitralekha Gupta, Prasanth Sasikumar, Mark Billinghurst, James Wilmott, Emily Skow, Arindam Dey, Suranga Nanayakkara
论文ID：2306.03381
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-06-07