User identification based on conversational gestures
Rattachement africain : us, de. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Virtual reality relies on tracking to provide users with a compelling and comfortable experience. However, such VR tracking increases the amount of data we generate about ourselves when online. In this work, we investigate the extent to which social gestures can be used to identify us. Using a dataset of 11 speakers, collected with motion capture, we train a fully convolutional network with features that emulate the motion tracking done by virtual reality systems. We find high identification accuracy of up to 99%, even with very short clips (4 seconds).
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- User identification based on conversational gestures
- Date Crossref
- 08/03/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Bryn Mawr College pays non établi dans la noticeUniversité ou école supérieure
-
University of Bamberg pays non établi dans la noticeUniversité ou école supérieure
Bryn Mawr College et University of Bamberg.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.