(Nweon 2024 年 1 月 4 日) ヘッドマウント デバイスには、顔の動きを追跡するための顔追跡センサーが含まれる場合があります。顔追跡を実行する 1 つの方法は、一連の顔追跡センサーを使用して静電容量値を測定することです。顔の筋肉が動くと、顔の表面と対応するセンサーの近さに応じて、顔追跡センサーの静電容量が変化します。
静電容量を決定する考えられる方法の 1 つは、顔追跡センサーの感知静電容量を含む共振 LC 回路を使用することです。検出コンデンサへの表面の近接度を変更すると、共振 LC 回路の共振周波数に測定可能な変化が生じる可能性があります。ただし、アレイの顔追跡センサー間で容量性クロストークが発生する可能性があり、複数のセンサーからの同時静電容量測定が複雑になります。
「顔追跡センサーの電荷の決定」というタイトルの特許出願の中で、マイクロソフトは、感覚コンデンサの電極に蓄積された電荷量を決定することによって顔追跡センサーの感覚コンデンサの静電容量を決定する方法について説明しています。
簡単に言えば、顔追跡センサーは、顔の表面に近接して配置されるように構成された感知コンデンサ電極を含む。誘導性コンデンサ電極は、誘導性コンデンサ電極と表面との間の距離に基づいて静電容量を形成する。コントローラーは、顔追跡センサーの誘導容量電極に基準電圧を印加します。
次に、電荷検出回路は、基準電圧の印加により検出コンデンサ電極に蓄積された電荷量を決定することによって、検出コンデンサ電極の静電容量を決定します。
### 一実施形態では、コントローラは、電荷感知回路と顔追跡センサとの間の電気接続に沿って同時にシールドトラックに基準電圧を印加する。シールド トラックの基準電圧は、顔追跡センサーが受信する容量性クロストークを低減するのに役立ちます。
#### 図1は、複数の顔追跡センサを含む例示的なヘッドマウントデバイス100を示す。具体的には、頭部装着装置100は、頭部装着装置100の左レンズ104L上に形成された左容量電極アレイ102Lと、右レンズ104R上に形成された右容量電極アレイ102Rとを含む。
感知コンデンサ電極アレイ102L、102Rは、少なくとも部分的に光学的に透明な導電性フィルムから形成される。フィルムは、酸化インジウムスズ、グラフェン、または他の適切な材料などの1つまたは複数の導電性材料を含むことができる。薄膜は、化学蒸着などの任意の適切なプロセスによって形成することができる。感知コンデンサ電極間に形成されたトレンチは、導電性トレースを配置するために使用できます。導電性フィルムは光学的に完全に透明ではないため、検出コンデンサ電極に比較的薄いフィルムを使用すると、比較的厚いコーティングよりも高い透明度を得ることができます。
#### ヘッドマウントデバイス100は、図112に示すように、複数の電荷感知回路を同時に含む。複数の電荷感知回路112のそれぞれは、対応する顔追跡センサに接続される。各電荷感知回路112は、基準電圧の印加の結果として対応する感知コンデンサ電極に蓄積された電荷量を決定することによって、対応する感知コンデンサ電極の静電容量を決定するように構成される。
### 図2は、複数の感知コンデンサ電極を含む感知コンデンサ電極アレイの例示的なレイアウト202を示す。図示のように、センスキャパシタ電極204a〜gは、太い黒線で表されるトレンチ領域208によって分離されている。トレンチ領域208は、センスキャパシタ電極204a〜gを形成する導電膜が欠けているセンスキャパシタ電極間の領域である。トレンチ領域208は、感知コンデンサ電極204a〜gを電荷感知回路および/または他の回路に接続するための導電性トレースを含むことができる。
レイアウト202は、感知コンデンサ電極のアレイを形成する導電性フィルムが完全に透明ではないため、特定の例で見ることができる。しかしながら、ヘッドマウントデバイス構成に組み込まれる場合、レイアウト202は、ほとんどの通常の使用において人間の目の焦点距離よりも近くに配置される可能性がある。したがって、レイアウト202は、通常のデバイスの使用中にユーザにとって焦点が合っていなくてもよく、従って、ユーザの邪魔になったり気を散らしたりすることはない。
#### 頭部装着装置300はまた、1つまたは複数の顔追跡センサ302の感知コンデンサ電極306に基準電圧を印加するように構成されたコントローラ308を含む。
#### 上述のように、各電荷感知回路304は、基準電圧によって生成され、感知コンデンサ電極306上に蓄積された電荷の量を決定して、対応する顔追跡センサ302の静電容量の感知コンデンサ電極306を決定するように構成される。例えば、静電容量Cは、Q=C*Vとして決定することができ、ここで、Vは基準電圧であり、Qは基準電圧によって感知コンデンサ電極306に蓄積される電荷の量である。
### 一実施形態では、各電荷感知回路304はさらに、基準電圧によって生成される対応する顔追跡センサ302の感知コンデンサ電極306に蓄積された電荷量のオーバーサンプリングに少なくとも基づいて複数の静電容量を生成するように構成される。値を配置します。オーバーサンプリングには、センサコンデンサ電極306の電荷を再サンプリングすることと、再サンプリングされたサンプルをフィルタリングすることが含まれる。### 一実施形態では、複数の感知コンデンサ電極306のそれぞれに蓄積された電荷を同時に決定することができる。したがって、コントローラ308は、それぞれの電荷感知回路304のうちの1つまたは複数を同時に動作させるように構成され得る。このような構成は、顔追跡センサの時間多重動作を利用する構成よりも高速な動作を促進することができる。
#### ヘッドセット300はまた、1つ以上の電荷感知回路304と対応する1つ以上の顔追跡センサ302との間の電気接続に沿ったシールドトラック310を含む。シールドトラック310は、感知コンデンサ電極306間の容量性クロストークなど、1つまたは複数の顔追跡センサ302と対応する電荷感知回路304との間の電気接続に近接する導体からの電気的干渉を低減するのに役立ち得る。容量性クロストークを低減すると、検出エラーの低減やノイズの低減に役立ちます。例えば、シールドトラック310は、ヘッドセット300の電気的接地と電気的接続との間の浮遊容量を電気的にキャンセルするのに役立ち得る。
### 図4は、ヘッドマウントデバイス400のより詳細なブロック図を示す。ヘッドマウントデバイス400は、ヘッドマウントデバイス300の実装例である。ヘッドマウントデバイス300と同様に、ヘッドマウントデバイス400は、複数の顔追跡センサ402、対応する複数の電荷感知回路404、シールドトラック406、およびコントローラ408を含む。
#### 顔追跡センサ302と同様に、複数の顔追跡センサ402の各顔追跡センサは、感知コンデンサ電極410を含む。図示の実施形態では、各電荷感知回路404は、蓄積された電荷量のオーバーサンプリングに少なくとも基づいて複数の容量ビット値412を生成するように構成されている。各電荷感知回路404は、SD−ADC414と、SD−ADC414の出力に接続されたデジタルフィルタ416とを含む。
例として、SD-ADC 414は電荷感知回路404の入力をオーバーサンプリングし、ビットストリーム415を出力します。ビットストリームは、少なくとも入力のオーバーサンプリングに基づいて蓄積された電荷の量を示します。
### 一実施形態では、オーバーサンプリングは、50から256の範囲のオーバーサンプリング比を含むことができる。他の実施形態では、オーバーサンプリングには、他の任意の適切なオーバーサンプリング比が含まれてもよい。入力オーバーサンプリングは、SD-ADC 414の精度を向上させ、アナログデジタル変換のノイズシェーピングを可能にし、および/またはSD-ADC 414の設計の複雑さを軽減するのに役立ちます。一例として、ノイズ シェーピングはノイズをより高い周波数に整形することができるため、ノイズのフィルタリングが容易になります。
図 5 は、SD-ADC 500 の例のブロック図を示しています。 SD-ADC 500 は、SD-ADC 414 の実装例です。 SD-ADC500は、アナログ入力U502を受信し、インクリメント回路504、シグマ回路506および量子化器508を介してデジタル出力Vを出力する。
SD-ADC 500は、デジタルアナログ変換器DAC 510および単位遅延回路512を含むフィードバック経路も含む。デルタ回路504は、入力U502とフィードバック経路出力との差を比較する。例えば、デルタ回路504は、入力U502とフィードバック経路出力との間のアナログ電圧差を比較することができる。
####次に、シグマ回路506は、デルタ回路504の経時的な出力の少なくとも平均に基づいて、ノードy514を出力するように構成される。時間にわたる平均は、連続時間または離散時間で求めることができます。シグマ回路506は、以下に説明するような積分回路および/または他の任意の適切な回路を含むことができる。### 次に、量子化器508は、ノードy514をサンプリングし、ノードy514のサンプリング値に基づいてデジタル値を出力して、ビットストリーム516を形成する。具体例として、量子化器508は、ノードy514が量子化器基準電圧よりも低い場合、または高い場合に、それぞれ1クロックサイクルで論理0または論理1を出力するように構成された比較器回路を含み得る。
### 図6は、センスキャパシタ電極602に接続されたシグマ回路600の例を示す。たとえば、SD-ADC 414 および SD-ADC 500 はシグマ回路 600 を使用する場合があります。シグマ回路600は、第1の積分器コンデンサ606および第2の積分器コンデンサ608を有する積分器604を含む。シグマ回路600の動作は、第1制御点θ1、第2制御点θ2、第3制御点θ3、第4制御点θ4によって制御される。いくつかの例では、シグマ回路600の外部のコントローラ(例えば、コントローラ408)は、第1、第2、第3、および第4の制御点を制御することができる。
第1の制御点θ1が導通している場合、第1の基準電圧610は感知コンデンサ電極602に接続される。このようにして、第1の基準電圧610が感知コンデンサ電極602に印加される。次に、第1制御点θ1がオンになり、第2制御点θ2がオンになり、基準電圧によって生成され検出コンデンサ電極602に蓄積された電荷が第1積分コンデンサ606に転送される。第1の積分器コンデンサ606および積分器604は、蓄積された電荷に基づく電圧を出力する。
別の実施形態では、第1の制御点θ1がオンになると、第2の制御点θ2および第4の制御点θ4がオンになり、感知コンデンサ電極602に蓄積された電荷が第1の積分コンデンサ606および第2の積分コンデンサ電極606に転送される。積分器コンデンサ608。
###そのような構成では、積分器604は完全に微分され、蓄積された電荷は第1および第2の積分器コンデンサ606、608に分割される。したがって、出力電圧は、612に示すように、積分器604の出力ノード間で分割される。完全差動積分器は、SD-ADC の精度を向上させ、スプリアス ノイズやカップリングに対する感度を低減し、SD-ADC の設計の複雑さを軽減するのに役立ちます。次に、第3制御点θ3がオンになると、第2基準電圧614が接続され、感知コンデンサ電極602に印加される。図示の実施形態では、第1のサイクル中に第1の基準電圧610を印加すると、検知コンデンサ電極602に蓄積された電荷が積分器604の非反転入力に向けられ、第2のサイクル中に第2の基準電圧614が印加される。センスキャパシタ電極602におけるΔは、積分器604の反転入力に向けられる。
同様に、第3制御点θ3がオンになり、第4制御点θ4がオンになり、感知コンデンサ電極602に蓄積された電荷が第2積分コンデンサ608に転送される。次に、第2の積分器コンデンサ608および積分器604は、蓄積された電荷に基づいた電圧を出力する。他の実施形態では、第1、第2、第3、および第4の制御点は、他の任意の適切な方法で制御されてもよい。
### 一実施形態では、デバイスの1つまたは複数の顔追跡センサは、顔の近い点への静電容量よりも大きなバイアス静電容量を電気的に検出する可能性があり、顔のより小さい静電容量の感知を妨げる可能性がある。このオフセット容量は、オフセット容量と同様または同等の容量値を有するコンデンサを使用することによって電気的にオフセットすることができる。
ただし、コンデンサが大きいほど、より多くの面積を消費する可能性があります。したがって、図7に示されるヘッドセット700は、バイアス容量706を電気的にキャンセルするために感知コンデンサ電極704に接続できる比較的小さな固定コンデンサ702を利用する。
#### 図示の例では、上述したように、第1の制御点θ1がオンになり、第1の基準電圧610が感知コンデンサ電極704に印加される。次に、第1の制御点θ1が開かれ、固定コンデンサ702接続上に位置する第5の制御点θ5が切り替えられて、検出コンデンサ電極704上のバイアス容量706が電気的にキャンセルされる。スイッチの数は、固定コンデンサ702の容量値およびバイアスコンデンサ706の値に基づくことができる。
例えば、バイアスコンデンサ706が固定コンデンサ702よりも10倍大きい場合、第5の制御点θ5を10回切り替えて、バイアスコンデンサ706を電気的にオフセットすることができる。第5の制御点θ5を使用する切り替えは、そのような切り替えを省略する実装と比較して、ヘッドセット700上の固定コンデンサ702のサイズを縮小するのに役立つことができる。図7は、単一の感知コンデンサ電極、固定コンデンサおよびシグマ回路を示すが、他の実施形態は、複数の感知コンデンサ電極および対応する複数の固定コンデンサおよびシグマ回路を含み得る。
### 図8は、センスキャパシタ電極静電容量値を決定するための例示的な方法800のフローチャートを示す。
802において、基準電圧が顔追跡センサの感知容量電極に印加される。
#### 804において、基準電圧が、顔追跡センサと電荷感知回路との間の電気接続に沿ってシールドトラックに印加される。シールドされたトラックに基準電圧を印加すると、ヘッドセット上の複数の顔追跡センサーの感知コンデンサ電極間の静電容量を電気的にキャンセルするのに役立ちます。さらに、シールドトレースに基準電圧を印加すると、対応する複数の電荷検出回路の同時動作が可能になる場合があります。
上で述べたように、ヘッドセットはセンシング コンデンサ電極でオフセット静電容量を確認できます。このような例では、806は、オフセット補償コンデンサの接続を切り替えることによってオフセット静電容量を放電し、それによって感知コンデンサ電極上のオフセット静電容量を除去することを含む。
### 一実施形態では、オフセット補償コンデンサは、複数回切り替えることができるより小さい固定コンデンサを含むことができる。このようにして、より小さい固定容量は、より大きいバイアス容量を電気的に打ち消します。他の例では、オフセット補償コンデンサは、容量値を調整するために選択的に制御可能なプログラム可能なコンデンサを含んでもよい。
####808に続き、顔追跡センサの感知コンデンサ電極の静電容量値は、基準電圧の印加により顔追跡センサの感知コンデンサ電極に蓄積された電荷量に基づいて決定される。### 一実施形態では、感知コンデンサ電極の静電容量値を決定することは、顔追跡センサの感知コンデンサ電極によって蓄積された電荷量の少なくともオーバーサンプリングに基づいて複数の静電容量ビット値を決定することを含む。 810。
###一例として、複数の静電容量ビット値は、感知コンデンサ電極上に蓄積された電荷の量を示す2進数を含むことができる。前述したように、SD-ADC は複数のコンデンサ値でノイズをより高い周波数に整形できます。したがって、方法800は、812において、複数の容量ビット値から高周波ノイズをフィルタリングして除去することを含む。高周波ノイズをフィルタリングすると、コンデンサのビット値の S/N 比が向上します。
関連特許
: Microsoft 特許 | 顔追跡センサーの電荷の決定「顔追跡センサーの電荷の決定」というタイトルの Microsoft 特許出願は、もともと 2022 年 6 月に提出され、最近米国特許商標庁によって公開されました。
一般的に、米国特許出願は審査後、出願日または優先日から 18 か月後に自動的に公開されるか、または要求に応じて出願日から 18 か月以内に公開されることに注意してください。申請者の。特許出願の公開は、特許が承認されることを意味するものではないことに注意してください。特許出願後、USPTO は実際の審査を必要とし、審査には 1 ~ 3 年かかる場合があります。また、これはあくまで特許出願であり、必ず承認されるわけではなく、実際に商品化されるかどうか、実際の出願効果は不明です。
以上がMicrosoftの特許は、ARグラスの顔追跡のためのセンサー静電容量測定の改善を提案していますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

科学者は、彼らの機能を理解するために、人間とより単純なニューラルネットワーク(C. elegansのものと同様)を広く研究してきました。 ただし、重要な疑問が生じます。新しいAIと一緒に効果的に作業するために独自のニューラルネットワークをどのように適応させるのか

GoogleのGemini Advanced:Horizonの新しいサブスクリプションティア 現在、Gemini Advancedにアクセスするには、1か月あたり19.99ドルのGoogle One AIプレミアムプランが必要です。 ただし、Android Authorityのレポートは、今後の変更を示唆しています。 最新のGoogle p

高度なAI機能を取り巻く誇大宣伝にもかかわらず、エンタープライズAIの展開内に大きな課題が潜んでいます:データ処理ボトルネック。 CEOがAIの進歩を祝う間、エンジニアはクエリの遅い時間、過負荷のパイプライン、

ドキュメントの取り扱いは、AIプロジェクトでファイルを開くだけでなく、カオスを明確に変えることです。 PDF、PowerPoint、Wordなどのドキュメントは、あらゆる形状とサイズでワークフローをフラッシュします。構造化された取得

Googleのエージェント開発キット(ADK)のパワーを活用して、実際の機能を備えたインテリジェントエージェントを作成します。このチュートリアルは、ADKを使用して会話エージェントを構築し、GeminiやGPTなどのさまざまな言語モデルをサポートすることをガイドします。 w

まとめ: Small Language Model(SLM)は、効率のために設計されています。それらは、リソース不足、リアルタイム、プライバシーに敏感な環境の大手言語モデル(LLM)よりも優れています。 特にドメインの特異性、制御可能性、解釈可能性が一般的な知識や創造性よりも重要である場合、フォーカスベースのタスクに最適です。 SLMはLLMSの代替品ではありませんが、精度、速度、費用対効果が重要な場合に理想的です。 テクノロジーは、より少ないリソースでより多くを達成するのに役立ちます。それは常にドライバーではなく、プロモーターでした。蒸気エンジンの時代からインターネットバブル時代まで、テクノロジーの力は、問題の解決に役立つ範囲にあります。人工知能(AI)および最近では生成AIも例外ではありません

コンピュータービジョンのためのGoogleGeminiの力を活用:包括的なガイド 大手AIチャットボットであるGoogle Geminiは、その機能を会話を超えて拡張して、強力なコンピュータービジョン機能を網羅しています。 このガイドの利用方法については、

2025年のAIランドスケープは、GoogleのGemini 2.0 FlashとOpenaiのO4-Miniの到着とともに感動的です。 数週間離れたこれらの最先端のモデルは、同等の高度な機能と印象的なベンチマークスコアを誇っています。この詳細な比較


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

AtomエディタMac版ダウンロード
最も人気のあるオープンソースエディター

ドリームウィーバー CS6
ビジュアル Web 開発ツール

WebStorm Mac版
便利なJavaScript開発ツール

DVWA
Damn Vulnerable Web App (DVWA) は、非常に脆弱な PHP/MySQL Web アプリケーションです。その主な目的は、セキュリティ専門家が法的環境でスキルとツールをテストするのに役立ち、Web 開発者が Web アプリケーションを保護するプロセスをより深く理解できるようにし、教師/生徒が教室環境で Web アプリケーションを教え/学習できるようにすることです。安全。 DVWA の目標は、シンプルでわかりやすいインターフェイスを通じて、さまざまな難易度で最も一般的な Web 脆弱性のいくつかを実践することです。このソフトウェアは、

ホットトピック









