Summarization of Scratch Input
-
Upload
yuki-anai -
Category
Technology
-
view
399 -
download
2
description
Transcript of Summarization of Scratch Input
Summarization of Scratch Input
Yuki Anai
Introduction[ 背景 ]
1. コンピュータが持ち運び可能になってきた
2. しかし、少し距離を置いただけで触れなくなるのは不便である
[ 提案 ]
1. 既存な机や壁を入力装置に
2. 表面を指のツメでなぞった時になる音を入力にする
3. 新しいコンピュータと人間とのインタラクション
Sensing[ 入力検知 ]
・ツメで木材や壁をなぞった時には、高い周波数がなるのを応用(大体3000Hz以上)
・人間の声は 90-300Hz、歌で 800-1200Hz、冷蔵庫や照明のノイズはせいぜい 50-60Hz
ちなみに、人間の可聴領域は、下は 20Hz程度から、上は(個人差があるが) 15,000Hzないし 20,000Hz.
Sensing(2)[ デバイス ]
・特殊な聴診器
増幅音や、高周波ノイズの検出に適しているため
聴診器を電気信号にするため、これに一般的なマイクをとりつけ
・信号は、オーディオ端子を通して PCに接続
大量生産する場合 1ドル以下になる (らしい )
Sensing(3)[ 制限事項 ]
1. 入力の空間的な位置を把握できない
巧妙な音響指紋アプローチ (? )をすれば可能 [8]
関連研究としては、複数マイクを用いて位置検出を行っていた [10]
汎用性重視なので、そこは無視
2. 表面の材質が、きめ細かいものである必要がある
材質が細かいものの方が、音を効率よく生成しやすい
硬い材質というのは前提条件
Sensing(4)[ やりたいこと ]
・壁、ドア、服、机、カウンター、キャビネット等、多くの表面に使用可能したい
・貼付けるだけでセンシング可能に (設置が簡単 )
[ その他 ]
・また、二つの別々のテーブルは隣接されていも競合しない
それぞれが独立したタスクをこなせる
・尖ったものであれば、ツメでなくてもいける可能性がある
Gesture Recognition
・一番シンプルな認識方法
指を動かす加速度による検知
具体的には、高周波、振幅 (音量 )を用いる
・もうちょっと複雑な方法 ※ M/W 、 V/L 、 X/T は難しい
ユニークな信号を元に認識
Gesture Recognition(2)
[ アルゴリズム ]
初期はダイナミック時間と、単純ベイズ分類器を用いた。
最終的には、ピークカウントと、振幅の変化に基づいた決定木を用いた。
モバイルデバイスで簡単に動き、リアルタイムに処理可能。
他には、ジェスチャー除去、ノイズ低減、振幅に依存しないピーク検出の手法をいくつか使っている。
Gesture Recognition(3)
[ 検出できるもの ]
1. タップ
高周波と高強度の短い音のバーストによって特徴づけられる。
(ただ、どんなシステムでも出て来るが環境騒音がネックになる )
でも、なんか上手くいってるみたい ( 何故 !?)
2. スクラッチ入力
3kHZ以上で動作させる事により、多くの問題 (ノイズ等 )を回避する。
Testing[ テーブルに携帯を置いて実験 ]
木は緻密な素材なため、音を出しやすい
色んなテーブル (13メートル、幅 1 〜 2メートルの深さまで )、色んな場所でテストしたけど、結果は良かった
ただし、二つ例外があり、ガラスと高光沢の木製テーブルは検出される信号が弱すぎた
Testing(2)[ テーブルに携帯を置いて実験 ]
センサはテーブルに置き、その上に適切な圧力がかかるように携帯を置いた。
携帯が鳴ったときの応答として、ノーマルモード・サイレントモード ( 拒否 )・アンサーモード ( 受け答える )の 3つをやったが、機械学習ベースのエンジンはちゃんと反応した。
シンプルだけど、この実験は良かった。
机にデバイスが複数ある場合、ジェスチャーをブロードキャストしてみたいとか考えていた。
Testing(3)[ 壁をなぞる実験 ]
一般的な壁は乾式壁で、センサは 8m 感知できた。一つのセンサで、床から天井までの 16m、約 40 平方メートルの面積を認識できる。
コーナーによく届き、ドアの開口部は信号は弱くなるが一応届いた。
壁をダブルタップで再生 / 停止、ダブルスワイプでボリューム切り替えを行った。
※適切な表面処理をせずにスクラッチを繰り返すと、傷がつく。
Testing(4)[ 覆われたデバイスの実験 ]
多くのデバイスはプラスチック等で覆われている
Macbook Airを使って実験
1個目 : タップすると、パワポのスライドをすすめたり
2個目 : シングルタップでファイルやディレクトリを選び、ダブルタップで開く
(ここの実験は、良くわからなかった )
Testing(5)[ 布を使った実験 ]
モバイルはしばしばポケットにある。
シンプルなアクションのために一々取り出すのめんどくさいので、足を触ったら検知できるか実験した。
ポケットにセンサを入れて、左足にジェスチャーした場合、膝からベルトのラインまで検知できた。人間の抗生物質は多くが水なため、伝送特性が高いためだと考えられる。
ただ、右足や手は検知しなかった。あと歩いてるときのノイズ凄そう。
Evaluation15人 ( 女性 9人 )、平均年齢 31 歳。 現実世界の入力面で実験するため、参加者の家やオフィスで行った。 参加料として、 10ドル払ったよ。
実験内容は、 6つのシンプルなジェスチャーを選択してもらった
だいたい 89.5%の成功率 ( 後者 4つは難しかった )。
Conclusionツメのなぞりを用いたスクラッチ入力実験を行った
色んなものに使え、安くて、持ち運び可能
ふろく
ピークカウント
決定木
単純ベイズ分類器 (naive bayes)
・文書の出現確率を、単語の出現確率の積で近似する
語順を考慮しない
単語間の相関関係を考慮しない
だいたん
・教師あり学習とか、だったはず。。。