Alan Dix2004年编写的Human-Computer Interaction以及对应每一个章节的ppt

VR Interaction Framework, VR开发利器

借助 VR 交互框架，轻松创建属于自己的可交互对象并迅速上手。 该框架经过专门设计，以 Oculus Quest 为基准，但通过 Unity 的 XRInput 系统，可完美适用于 Rift、HTC Vive 和 Windows WMR 头戴设备。某些头戴设备可能与 Unity XR 插件系统不兼容，且可能需要 SteamSDK 注册输入。如不确定是否支持特定，对象的物理抓取和投掷，按钮、旋钮、杠杆、滑块、门、操纵杆及其他物理激活的对象，平滑运动和传送，支持自定义手势，双手武器，采用 Unity CharacterController 的自定义 PlayerController （可与你自己的互换），爬山，基于世界的自定义 UI 系统，捕捉区域 - 超级模块化：制作设备插件、库存系统等等， 弓箭物理（箭可拾取和重射），枪支处理/物理。可从手枪中插入和取出弹夹、向后拉滑块等等，带有霰弹猎枪和步枪示例的双手武器，一个基本的反向动力学手臂示例，手势追踪演示 - 用手指抓取对象，在空气中徒手绘制，具有可破坏对象的简单伤害系统

老师推荐的，不错，做视觉和听觉的可以来看看。

Facebook互动预测器 使用机器学习预测Facebook页面帖子的喜欢，评论或全部互动 使用带有决策树的Adaboost回归器来预测帖子（如“顶”，“评论”等）的交互。 使用UCI的。 数据与2014年在著名化妆品品牌的Facebook页面上发布的帖子有关。 引文 （Moro et al。，2016）Moro，S.，Rita，P.，＆Vala，B.（2016年）。 预测社交媒体绩效指标并评估对品牌建立的影响：一种数据挖掘方法。 商业研究杂志，69（9），3341-3351。

Impact_-_Physics_Interaction_System 1.9.1

MUTUALINFO(X,P,idx) 返回对象矩阵 X 和概率向量 P 提供的联合分布的多重互信息（交互信息）。 MxN 矩阵 X 的每一行是一个 N 维对象（N 元组），并且P 是对应概率的长度为 M 的向量。 因此，对象 X(i,:) 的概率为 P(i)。 如果 X 包含重复的行，则假定这些行出现相同的对象，并添加相应的概率。 矩阵 X 不需要是所有可能对象的详尽列表——假设没有出现的对象/元组概率为零。 概率向量 P 的元素之和必须为 1 +/- .00001。 最后一个参数 (idx) 将让您指定矩阵上的分区，即 idx = [1 1 1 2 2 3] 表示第 1-3 列表示变量 1，第 4-5 列表示变量 2，第 6 列表示变量 3.（当 idx 仅包含两个 *唯一* 值时，正在计算的是传统的互信息。）在多列变量中，每个唯一元组只是构造变量值的 *标签*。 回想一下，依赖的信

Forecasting Human-Object Interaction: Joint Prediction of Motor Attention and Actions in First Person Video ECCV 2020 task：anticipating human-object interaction in first person videos

全新的VR插件功能更强大，封装性更好，组件功能更多。在用户不断的深入同时才能感受到该插件的魅力。该插件在用户的视觉感受上也较为强悍，支持HTRP渲染格式，同时物体交互上的便捷性也会更高。该插件支持SteamVR，Oculus，HTC Vive，Pico VR，HP Reverb / HP Reverb 2 Windows MR 文章详细地址：https://blog.csdn.net/m0_45244541/article/details/123919036?spm=1001.2014.3001.5501 官方文档地址：https://wiki.beardedninjagames.com/en/Overview/InstallationGuide

GTA-IM数据集 具有场景上下文的长期人体运动预测，ECCV 2020（口服） ，， ，， ， 。 该存储库维护着我们的GTA室内运动数据集（GTA-IM），该数据集着重于室内环境中的人与场景之间的交互作用。我们从逼真的游戏引擎中收集3D人体运动的高清RGB-D图像序列。该数据集具有清晰的3D人体姿势和相机姿势注解，并且在人的外观，室内环境，相机视图和人类活动方面有很大的差异。 目录 演示版 （0）入门 克隆此存储库，然后创建本地环境： conda env create -f environment.yml 。 为了方便起见，我们在demo目录中提供了一部分数据。在本节中，您将能够使用维护的工具脚本来处理我们数据的不同部分。 （1）3D骨架和点云 $ python vis_skeleton_pcd.py -h usage: vis_skeleton_pcd.py [-h] [-