实用且丰富的用户数字化
该研究总结了现代智能手机上常见的传感器，并提出了一个利用这些传感器模拟人与智能手机之间交互的维度分类法。其应用包括神经运动技能、认知功能和行为或例行程序，尤其关注用户认证方面的应用。通过使用人类移动交互的新型多模式数据库（HuMIdb 数据库），以深度学习中的连体神经网络为基础，该研究还检验了一个基于简单线性触摸手势的生物识别认证系统，达到了 87% 的准确率。
Jun, 2020
探讨社会中一些道德问题，介绍了一个基于计算机视觉技术的长期护理解决方案，通过用户调研实现了一个支持准确度和用户信任的水平原型，同时强调了用户参与作为计算机视觉技术发展过程中必不可少的因素。
May, 2019
本文研究采用运动传感器技术对有限活动能力的人体上半身动作进行捕捉，将其作为输入来控制 7 自由度辅助机器臂。通过对两位参与者的实验数据进行初步分析，观察到利用机器智能可以发现高维机器人控制中一些关键的难点和不一致性，从而促进未来接口学习的发展。
Oct, 2021
通过计算机视觉和惯性测量单元 (IMU) 等广泛应用的技术以及最近在临床和研究环境中日益流行，来评估人体的身体活动。然而，为了增加患者在实验室外的跟踪可行性，有必要减少运动采集设备。在这方面，IMU 设备和单一摄像头系统是有希望的解决方案。此外，还需要开发能够在野外环境中识别和处理临床相关数据的机器学习系统，因此确定这些系统的理想输入至关重要。
Feb, 2024
本文提出了一种基于实时计算机视觉的手势识别应用程序的自然用户界面工具，该工具使用用户手上的虚拟手套标记作为输入，并采用深度学习模型进行实时手势识别。研究表明，该系统可以在社交互动和康复等实时应用中发挥有效作用。
Jul, 2022
本研究使用图像处理技术创建了一个看得见的虚拟键盘，可以精确地检测手势，同时具有可持续性和财务可行性，同时提高了外围设备的成本效益，减少了由于外部设备产生的电子废物，并为不能使用传统键盘和鼠标的人提供了较高的可用性。
Aug, 2022
本文介绍了 MyDigitalFootprint 数据集，它包含了智能手机传感器数据、物理接近信息和在线社交网络互动的大规模数据，支持多模态上下文识别和社交关系建模，并通过三个基于机器学习任务的上下文感知应用程序展示了其有效性。
Jun, 2023
使用水印技术将设备指纹嵌入图像以确保数据来源，通过远程验证方法认证图像以提高医学图像数据的完整性。适用于移动成像设备、数据溯源、远程验证、医学图像数据的多种应用场景。
Mar, 2024
DIGIT 是一种便宜、紧凑且高分辨率的触觉传感器，可用于手中操纵。该研究使用深度神经网络模型训练控制器，通过 DIGIT 感应器在多指的机器手中操纵玻璃弹珠。
May, 2020