Extensible Motion-based Identification of XR Users using Non-Specific Motion Data

要約

タイトル：非特定のモーションデータを用いたXRユーザーの拡張可能なモーションベースの識別

要約：
– 論文では、距離ベースと分類ベースのアプローチの強みを組み合わせ、エクステンデッド・リアリティ（XR）ユーザーの動きによる識別タスクに取り組むための埋め込みベースのアプローチを提案する。
– 深層メトリック学習を活用し、VRゲーム「Half-Life：Alyx」をプレイするユーザーのデータセットでモデルをトレーニングし、分類ベースのモデルをベースラインに複数の実験と分析を実施する。
– 結果は、埋め込みベースの方法が1）非特定の動きから新しいユーザーを識別することができ、数分の登録データだけで、2）新規ユーザーを数秒で登録できるため、ベースラインのアプローチを再学習するのにはほぼ1日かかる。3）登録データが少ない場合でも、ベースラインアプローチよりも信頼性が高いこと、4）異なるVRデバイスで記録された別のデータセットから新しいユーザーを特定するために使用できることを示している。
– 全体的に、このソリューションは、広範囲のユーザーのモーションに適用可能な、容易に拡張可能なXRユーザー識別システムの基盤であり、ハードウェア、知識、データのディープラーニングモデルのトレーニングに必要な専門知識の必要性なしにXR実践者によって使用されることができる、実用に堪えうるモデルにつながる。

要約(オリジナル)

In this paper, we combine the strengths of distance-based and classification-based approaches for the task of identifying extended reality users by their movements. For this we present an embedding-based approach that leverages deep metric learning. We train the model on a dataset of users playing the VR game “Half-Life: Alyx” and conduct multiple experiments and analyses using a state of the art classification-based model as baseline. The results show that the embedding-based method 1) is able to identify new users from non-specific movements using only a few minutes of enrollment data, 2) can enroll new users within seconds, while retraining the baseline approach takes almost a day, 3) is more reliable than the baseline approach when only little enrollment data is available, 4) can be used to identify new users from another dataset recorded with different VR devices. Altogether, our solution is a foundation for easily extensible XR user identification systems, applicable to a wide range of user motions. It also paves the way for production-ready models that could be used by XR practitioners without the requirements of expertise, hardware, or data for training deep learning models.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI