STTSSTTS

INSYST: Journal of Intelligent System and ComputationINSYST: Journal of Intelligent System and Computation

Penelitian ini memfokuskan pada pengelolaan data tanda tangan tangan dalam lingkungan Realitas Virtual (VR), khususnya variasi panjang data saat merekam gerakan. Untuk mengoptimalkan model pembelajaran mesin dalam pengenalan gerakan, berbagai teknik padding diuji, termasuk pre‑, post‑, dan replication padding. Data dikumpulkan menggunakan perangkat Meta Quest 2, terdiri dari 1.000 sampel 10 gerakan American Sign Language (ASL). Model Jaringan Syaraf Berulang berbasis Long Short‑Term Memory (LSTM) dilatih dengan pembagian 80% pelatihan dan 20% validasi, serta 100 sampel tidak terampil digunakan untuk pengujian. Hasil menunjukkan bahwa pre‑replication padding menghasilkan akurasi, presisi, recall, dan skor F1 terbaik, diikuti oleh pre‑dan‑post‑zero padding. Penelitian menegaskan pentingnya teknik padding dalam meningkatkan akurasi dan generalisasi model LSTM untuk pengenalan gerakan tangan di VR.

Teknik padding, khususnya pre‑replication padding, secara signifikan meningkatkan akurasi, presisi, recall, dan skor F1 model RNN dalam pengenalan gerakan tangan di lingkungan VR.Padahal, teknik pre‑dan‑post‑zero padding menunjukkan kinerja unggul pada data validasi namun sedikit menurun pada data uji, menandakan sensitivitas terhadap data tak terlihat.Akhirnya, pemilihan padding yang tepat dapat menghasilkan model sederhana namun sangat efisien, menyoroti peran kritis preprocessing dalam desain model berbasis urutan.

Sebelum melangkah ke aplikasi nyata, coba integrasikan teknik padding adaptif yang memanfaatkan informasi statistik data untuk menyesuaikan panjang urutan secara dinamis dan evaluasi dampaknya terhadap kecepatan inferensi model. Selanjutnya, selidiki penggunaan arsitektur Transformer sebagai alternatif LSTM, karena dapat memanfaatkan perhatian mekanisme yang mampu menangani variasi panjang urutan tanpa padding eksplisit dan dapat meningkatkan akurasi serta kecepatan pelatihan. Terakhir, uji coba sistem ini pada berbagai bahasa isyarat selain ASL, seperti Microsoft Sign Language, untuk mengukur generalisasi dan menyesuaikan metode padding serta modelnya sehingga dapat diaplikasikan pada populasi pengguna dengan kebutuhan komunikasi yang lebih luas.

  1. Development of a new immersive virtual reality (VR) headset-based dexterity training for patients with... doi.org/10.3233/THC-230541Development of a new immersive virtual reality VR headset based dexterity training for patients with doi 10 3233 THC 230541
  2. Self-directed learning using VR | Pacific Journal of Technology Enhanced Learning. self directed learning... doi.org/10.24135/pjtel.v4i1.130Self directed learning using VR Pacific Journal of Technology Enhanced Learning self directed learning doi 10 24135 pjtel v4i1 130
  3. Hand Sign Virtual Reality Data Processing Using Padding Technique | INSYST: Journal of Intelligent System... doi.org/10.52985/insyst.v6i2.395Hand Sign Virtual Reality Data Processing Using Padding Technique INSYST Journal of Intelligent System doi 10 52985 insyst v6i2 395
Read online
File size2.32 MB
Pages9
DMCAReport

Related /

ads-block-test