拉伸感應手套可準確捕獲交互式手勢

實時并獲得逼真的結果來捕獲交互式手勢是計算中尤其是以人為中心的計算和運動捕獲技術中經過仔細研究的問題。人的手很復雜-屈肌，伸肌和感覺功能的復雜系統是我們操縱物理對象并相互通信的主要手段。準確的手部動作捕捉對于許多應用(例如游戲，增強現實和虛擬現實領域，機器人技術和生物醫學行業)而言都是相關且重要的。

來自蘇黎世聯邦理工學院和紐約大學的全球計算機科學家團隊，通過開發用戶友好的，可拉伸感應的數據手套，以更高精度地捕獲實時，交互式手勢，進一步推進了這一研究領域。

由ETH Zurich的Oliver Glauser，Shihao Wu，Otmar Hilliges和Olga Sorkine-Hornung和NYU的Daniele Panozzo組成的研究團隊將在7月28日至8月1日在洛杉磯舉行的SIGGRAPH 2019上展示他們的創新手套。這次年度聚會展示了在計算機圖形和交互技術領域最前沿的世界領先的專業人士，學者和創造力。

研究人員說，他們的拉伸感應手套的主要優點是，它們不需要基于攝像頭的裝置(或任何其他外部設備)，并且可以通過最少的校準就可以開始實時跟蹤手勢。

“據我們所知，我們的手套是第一批完全基于拉伸傳感器的精確的手動捕捉數據手套，”該研究的主要作者，博士學位的Glauser說。蘇黎世聯邦理工學院的學生。“手套柔軟而纖細，即使戴著44個嵌入式傳感器，也非常舒適且不顯眼。可以通過制造實驗室中常用的工具以低成本進行制造。”

Glauser和合作者著手克服在復制精確的手勢方面的一些持久性挑戰。在這項工作中，他們解決了一些障礙，例如在各種環境和設置中實時捕獲手勢，以及僅使用用戶友好的設備和易于學習的設置方法。他們證明，即使在用戶握住身體物體且光線不足的情況下，他們的拉伸感應軟手套也能成功實時準確地計算手勢。

研究人員利用配備有44個拉伸傳感器的手形有機硅化合物，并將其附著在柔軟，薄織物制成的手套上。為了從傳感器讀數中重建手勢，研究人員使用了一個數據驅動模型，該模型利用了傳感器本身的布局。該模型僅訓練一次;為了收集訓練數據，研究人員使用了一種廉價的現成的手勢重建系統。