空氣輸入法！浙大最新研究：空中動動手指，就能給智能手表輸入文本
識別錯誤率最低只有3.9%
許多人日常在用的智能手表，它的文本輸入要么靠語音，要么靠打字或手寫。
但有時你可能不方便說話，或者在那么小的屏幕上戳鍵盤實在有點“局促”。
那咋辦？
也許可以試試“隔空打字”法。
浙江大學(xué)就開發(fā)了這樣一個名叫AirText的應(yīng)用，只需你動動手指和手腕，手表就確識別空中字符，錯誤率低至3.9%。
還配備聯(lián)想和推薦功能，讓拼寫速度更快。
給智能手表配上“隔空打字”功能
開發(fā)AirText的一個主要挑戰(zhàn)在于如何讓它理解手腕運動和指尖拼寫動作的對應(yīng)關(guān)系。
就像下面這張圖所展示的，拼寫時手腕呈現(xiàn)出來的軌跡和正常字母差得還挺多的。
為此，研究團隊先借助了一個現(xiàn)成工具Leap Motion，它可以用紅外傳感器跟蹤手勢。
然后八名志愿者使用五種不同的智能手表拼出超過25000個字符，用Leap Motion收集相關(guān)的手腕和手指運動數(shù)據(jù)。
再將數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模型，進行訓(xùn)練，最終AirText可以根據(jù)用戶手腕微小的動作變化推斷指尖的軌跡。
然后，僅通過智能手表就可以高效、準(zhǔn)確地將推斷出的軌跡識別為相應(yīng)的字符。
為了加快拼寫速度，他們還給系統(tǒng)配上了單詞預(yù)測和推薦功能。
預(yù)測單詞會顯示在手表屏幕的四個方向，我們可以將手表向上下左右傾斜就能進行選擇（晃動手表可以退格）。
詞錯誤率為3.9%
首先來看AirText的準(zhǔn)確性測試。
衡量指標(biāo)為WER（詞錯誤率，Word Error Rate），計算方法就是將錯誤字/識別正確的字。
其中錯誤字涉及三種類型：漏字（用I表示，即校對成正確的拼寫時需要再插入的字的數(shù)量）、多字（用D表示，即需要刪除的字?jǐn)?shù)量）、錯字（用S表示，即需要替換的字?jǐn)?shù)量）。
將AirText與倆基線方法（IMU-CNN和BLSTM）相比，最終AirText得分最低，也就是準(zhǔn)確性最高。
三者平均分分別為3.9%、30.9%和57.1%。
以上是單用戶在單設(shè)備上的測評結(jié)果。
為了更準(zhǔn)確，他們還測試了多用戶和多設(shè)備，結(jié)果如下：
左圖中，同一個用戶使用5種不同智能手表測試AirText獲得的準(zhǔn)確率得分分別為：8.3%、7.5%、6.5%、7.7%和3.9%。
研究人員表示，7%的WER意味著平均每15個單詞中有一個識別錯誤，這對于隔空手寫來說還是可以接受的。
右圖中，8位不同用戶使用同一手表獲得了11.2%、5.9%、4.3%、4.0%、3.6%、5.9%、4.7%和3.9%的WER。
從中我們可以看出，與不同的設(shè)備相比，不同的用戶對準(zhǔn)確性的影響更大。
不過研究人員表示，借助模型更新組件，AirTex 仍然可以針對不同用戶實現(xiàn)較高的準(zhǔn)確率。
然后是速度測試。
由于BLSTM基線的WER約為57%，錯誤率太高，研究人員只比較了AirText和IMU-CNN兩者的速度。
衡量指標(biāo)是WPM（單詞/每分鐘，Word Per Minute），其計算方式為用總體輸入字?jǐn)?shù)-錯誤字?jǐn)?shù)/時間。
結(jié)果AirText的平均WPM為8.1，而IMU-CNN基線的WPM僅為4.6。
研究人員指出，此輸入速度與一些基于雙手觸摸屏的文本輸入方法相當(dāng)（這些方法在實際應(yīng)用中的WPM為9.1、9.8WPM）。
總體來看，AirText的準(zhǔn)確率不錯，但速度還需要進步。
慢的主要原因還是因為它每拼寫一個字符就需停頓一會兒。
研究人員正在研究破解辦法，并表示最終有興趣將AirText商業(yè)化。
作者介紹
一作為浙江大學(xué)計算機學(xué)院助理教授高藝，浙江大學(xué)博士畢業(yè)，研究方向包括嵌入式軟件、無線和移動計算、傳感器網(wǎng)絡(luò)和信息物理系統(tǒng)。
通訊作者為浙大計算機學(xué)院副教授、博導(dǎo)董瑋，同樣為浙大博士畢業(yè)，研究方向包括物聯(lián)網(wǎng)系統(tǒng)和網(wǎng)絡(luò)、邊緣計算、無線和移動計算。
其谷歌學(xué)術(shù)引用次數(shù)總計3000+。
論文地址：
https://ieeexplore.ieee.org/document/9625777
參考鏈接：
https://spectrum.ieee.org/smartwatch-input-finger-writing
- 北大開源最強aiXcoder-7B代碼大模型！聚焦真實開發(fā)場景，專為企業(yè)私有部署設(shè)計2024-04-09
- 剛剛，圖靈獎揭曉！史上首位數(shù)學(xué)和計算機最高獎“雙料王”出現(xiàn)了2024-04-10
- 8.3K Stars!《多模態(tài)大語言模型綜述》重大升級2024-04-10
- 谷歌最強大模型免費開放了！長音頻理解功能獨一份，100萬上下文敞開用2024-04-10
相關(guān)閱讀
