用于提升虚拟现实中用户沉浸感与参与度的集成深度学习技术

《Scientific Reports》：Ensemble deep learning for optimizing user immersion and engagement in virtual reality

　　

摘要

虚拟现实技术通过提供沉浸式体验正在改变各个领域，但目前仍存在一个重大障碍，即难以精确识别用户的沉浸程度和参与度。为解决这一问题，本研究提出了基于沉浸等级与用户参与度的自适应虚拟现实设计算法（AVRDIL-UEGE），该算法利用多种深度学习模型来优化虚拟现实的沉浸效果和用户参与度。该模型采用多阶段处理方法，首先通过线性缩放归一化处理输入数据以提高准确性，随后在集成框架中结合堆叠长短期记忆网络、堆叠稀疏自编码器和埃尔曼神经网络，以此捕捉复杂的时空模式。此外，还使用多策略改进红鹿优化算法对超参数进行调优，从而确保模型的稳定性。在标准虚拟现实数据集上的实验结果表明，与传统机器学习方法相比，AVRDIL-UEGE具有更高的预测精度，分类准确率为98.40%，平均交叉验证系数为0.95。该模型在用户沉浸度检测方面取得了显著提升，为打造更加响应迅速且个性化的虚拟现实体验奠定了基础。这项工作通过为实时应用中的沉浸式设计优化提供数据驱动的、可扩展的解决方案，推动了虚拟现实分析技术的发展。