通过自适应固定注视点渲染与视场角调整实现动态晕动症缓解
Dynamic Cybersickness Mitigation via Adaptive FFR and FoV adjustments
AI总结：
本文提出一种基于机器学习实时预测晕动症并动态调整固定注视点渲染强度与视场角的自适应VR系统，以平衡用户体验与系统性能，推动以用户为中心的VR设计。
摘要：
本文提出了一种新颖的自适应虚拟现实（VR）系统，旨在通过动态、实时的调整来缓解沉浸式环境中的晕动症。该系统利用基于头部追踪和运动学数据训练的机器学习（ML）模型实时预测晕动症水平。该自适应系统调整固定注视点渲染（FFR）强度和视场角（FOV），以提升用户舒适度。为了在可用性与系统性能之间取得平衡，我们相信所提出的方法将同时优化用户体验和性能。通过响应用户需求进行自适应调整，我们的工作探索了基于机器学习的反馈回路在用户体验管理中的潜力，为以用户为中心的VR系统设计做出了贡献。
英文摘要：
This paper presents a novel adaptive Virtual Reality (VR) system that aims to mitigate cybersickness in immersive environments through dynamic, real-time adjustments. The system predicts cybersickness levels in real-time using a machine learning (ML) model trained on head tracking and kinematic data. The adaptive system adjusts foveated rendering (FFR) strength and field of view (FOV) to enhance user comfort. With a goal to balance usability with system performance, we believe our approach will optimize both user experience and performance. Adapting responsively to user needs, our work explores the potential of a machine learning-based feedback loop for user experience management, contributing to a user-centric VR system design.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
