两篇论文被CHI 2023（CCF A）录用

Modeling the Trade-off of Privacy Preservation and Activity Recognition on Low-Resolution Images （作者：Yuntao Wang*, Zirui Cheng*, Xin Yi+, Yan Kong, Xueyang Wang, Xuhai Xu, Yukang Yan, Chun Yu, Shwetak Patel, Yuanchun Shi）被ACM CHI 2023录用。

摘要：采用低分辨率图像传感器的计算机视觉系统可以提供智能服务（例如活动识别），但可以从硬件级别保留不必要的视觉隐私信息。然而，保护视觉隐私和实现准确的机器识别对图像分辨率有着对抗性的需求。通过对隐私保护和机器识别性能进行权衡，可以指导未来使用低分辨率图像传感器的隐私保护计算机视觉系统。本文以居家日常活动为场景，首先通过用户调查获取最重要的视觉隐私特征，然后量化并分析图像分辨率对于活动识别和隐私意识任务中人类和机器识别性能的影响。我们还研究了现代图像超分辨率技术如何影响这些效果。本文进而提出了一种建模低分辨率图像上隐私保护和活动识别权衡的方法。

Enabling Voice-Accompanying Hand-to-Face Gesture Recognition with Cross-Device Sensing （作者：Zisu Li*, Chen Liang*, Yuntao Wang+, Yue Qin, Chun Yu, Yukang Yan, Mingming Fan, Yuanchun Shi）被ACM CHI 2023录用。

摘要：和输入方式等交互目的非常重要。本文研究了语音伴随手对脸的手势（VAHF gestures）在语音交互中的应用。我们着重研究了手对脸手势，因为这种手势与语音密切相关并产生显著的声学特征，如阻碍声音传播。我们进行了一项用户研究来探索VAHF手势的设计空间。首先我们收集了候选手势，然后在不同维度（如接触位置和类型）上对它们进行结构分析，输出了总共8个VAHF手势，这些手势具有良好的可用性和最小的混淆。为了实现VAHF手势的识别，我们提出了一种新颖的跨设备传感方法，该方法利用来自商品设备（如耳机、手表和戒指）的异构通道数据（如声音、超声和IMU）。我们的识别模型能够识别3个手势的准确率达到了97.3％，识别8个手势（不包括“空”手势）的准确率达到了91.5％，证明了其高适用性。我们的定量分析还揭示了每个传感器通道及其不同组合的识别能力。最后，我们阐述了该系统在各种情况下的可行用例及其设计原则，以展示其适用性。