Oculus展示神经网络自我学习手部追踪技术,识别率近百分百

    上周开幕的 Oculus F8 似乎包含非常多的技术细节,新公布的 Hald Dome 原型设备,不仅可以通过自动可变焦距实现近距离物体渲染效果更好的聚焦,还可以将目镜的视场提高到 140°的级别,远远超出目前的 110°视场水平。虽然 Nate Mitchell 同时表示就近期而言不会有实际使用该功能的产品发售,但很多网友都对最近 Oculus 的技术进展报以乐观态度,而现在 Oculus 还有拿出更加先进的手部动作追踪技术,使用到热门的机器学习、神经网络技术,识别成功率相当高。

    现场演示的还是之前演示 Half Dome 原型机的首席产品经理 Maria Fernandez Guajardo,这技术看上去相当厉害,它有使用到拥有自我优化能力的机械学习演算法,Maria 表示这将会让这套手部追踪效果实现远远超过目前任何技术的追踪精度,而且不仅仅是单手、双手,还有和物体接触的的行动追踪都可以模拟到很精确的地步,而且从现场演示来看,这套系统还能对手部发出的声音作出显示,Maria 在演示时双手打响指,而在屏幕画面当中可以看到类似于水波纹的效果。

    现场演示的文档显示这套手指追踪效果非常有技术含量,比如卷积神经网络(Convolutional Neural Network)、双向匹配(Bipartite Matching)、逆向运动学(Inverse Kinematics)这些虽然看不懂但是显得非常厉害的技术和学科,所以才能实现自我优化,而且从数据上来说更加厉害,因为在现场由 Oculus 公布的追踪成功率(Tracking Success)图表当中,Oculus 这套系统相比竞争对手领先很多,首先是单手追踪的部分,Oculus 自家的成功率是百分百,而对手是 90.49%,双手追踪部分,Oculus 自家是 99.29%,而竞争对手只有 29.62%,而手部和物体交互方面,Oculus 自家成功率是 98.26%,竞争对手则是 52.21%,反正都是遥遥领先。

     


    <声明>
    文章仅代表作者观点,不代表智能链立场,智能链(www.zhinengl.com)也不对真实性背书。
    智能链尊重知识版权,遵循行业规范,转载稿件标明出处、版权归原作者或机构所有;如有侵权,请联系我们处理。
    智能链倡导知识分享,原创和编译文章(除非另有说明)欢迎转载,转载请注明出处、作者和原文链接。