[論文レビュー] A Collaborative Untethered Virtual Reality Environment for Interactive Social Network Visualization

Sam Royston, Connor DeFanti+1 more|arXiv (Cornell University)|Apr 27, 2016

Data Visualization and Analytics参考文献 9被引用数 8

ひとこと要約

GraphiteVRは、複数台のGearVRヘッドセット、OptiTrackモーショントラッキング、Perception Neuronモーショントラックスィットを用いて、インタラクティブな3次元ソーシャルネットワーク可視化を実現する共同作業が可能なワイヤレス仮想現実（VR）システムを提案する。本システムは、ジェスチャーによるインタラクションを可能とし、大規模なTwitterネットワークグラフを複数人で部屋全体を活用して操作可能であり、小規模なグラフでは安定した60 FPSを達成。空間的共感覚と手の追跡を活用した共同分析が向上することを示している。

ABSTRACT

The increasing prevalence of Virtual Reality technologies as a platform for gaming and video playback warrants research into how to best apply the current state of the art to challenges in data visualization. Many current VR systems are noncollaborative, while data analysis and visualization is often a multi-person process. Our goal in this paper is to address the technical and user experience challenges that arise when creating VR environments for collaborative data visualization. We focus on the integration of multiple tracking systems and the new interaction paradigms that this integration can enable, along with visual design considerations that apply specifically to collaborative network visualization in virtual reality. We demonstrate a system for collaborative interaction with large 3D layouts of Twitter friend/follow networks. The system is built by combining a 'Holojam' architecture (multiple GearVR Headsets within an OptiTrack motion capture stage) and Perception Neuron motion suits, to offer an untethered, full-room multi-person visualization experience.

研究の動機と目的

• 大規模データ可視化のための共同作業が可能でワイヤレスなVR環境の不足を解消すること。
• モーショントラッキング対応のVRヘッドセットを用いて、3次元ネットワークレイアウトに対する複数人による部屋全体のインタラクションを可能にすること。
• 没入型VRにおける共同ネットワーク分析を支援するジェスチャーに基づくインタラクションパラダイムの探求。
• モバイルVRハードウェア上でリアルタイムで低遅延な共同可視化の実現可能性とパフォーマンスを評価すること。
• 複雑なソーシャルネットワーク構造の分析において、没入型で複数人で作業可能なVRの美的および使いやすさの利点を実証すること。

提案手法

• 本システムは、複数台のSamsung GearVRヘッドセットをHolojamアーキテクチャと統合し、共有された仮想空間内で低遅延で複数クライアント向けストリーミングを実現する。
• OptiTrackモーショントラッキングシステムにより、ユーザーの全身の動き（手や指の位置も含む）を追跡し、リアルタイムでのアバター表現とジェスチャー認識を可能にする。
• Perception Neuronモーショントラックスィットにより、自然な3次元ネットワーク構造とのインタラクションが可能な高精細な手および身体の追跡を実現する。
• グラフデータはサーバー上でigraphライブラリを用いて処理され、結果はピクル化されたPython igraphオブジェクトとしてクライアントにストリーミングされる。
• ジェスチャー制御は、パケットロス状況下での非同期化を回避するため、イベント駆動型ではなく、状態ベース（例：手の開閉）である。
• ビジュアルデザインには、発光するエッジと、ノードの近くに表示されるノードメタデータ（例：Twitterハンドル）を含め、読みやすさを向上させている。

実験結果

リサーチクエスチョン

• RQ1 共同作業が可能でワイヤレスなVRは、大規模な3次元ソーシャルネットワークグラフの可視化と分析をどのように向上させ得るか？
• RQ2 没入型VRにおいて、複雑なネットワーク構造を複数人で操作する際、最も効果的なインタラクションパラダイムは何か？
• RQ3 HMD、モーショントラックスィット、光学トラッキングの複数のトラッキングシステムの統合は、システムパフォーマンスとユーザーエクスペリエンスにどのように影響を与えるか？
• RQ4 モバイルベースのVRにおける、大規模なネットワークグラフをリアルタイムでレンダリングする際のパフォーマンス制限は何か？
• RQ5 サーバー側の確認なしに、VRにおけるジェスチャーに基づくインタラクションは、意味のある共同データ分析を可能にするか？

主な発見

• 本システムは、エッジ数が特定の数未満のグラフでは約60 FPSの安定したパフォーマンスを達成したが、大規模なグラフでは顕著に低下し、約30 FPSまで低下した。
• エッジがグラフィカルラグの主な要因であり、より多くのピクセルをレンダリングする必要があり、GPUリソースを多く消費していた。
• 状態ベースのジェスチャーは、イベント駆動型モデルと比較して非同期化の問題が軽減されたが、パケットロスが著しく発生した際には一時的な遅延が観察された。
• リアルタイムでの手およびアバター追跡による複数人での存在感は、空間的共感覚と協調的な探索を可能にし、共同分析を顕著に向上させた。
• Holojam、OptiTrack、Perception Neuronの統合により、完全にワイヤレスで部屋全体を活用した共同VR体験が実現され、データ可視化に適していた。
• 本システムは、没入型で複数人で作業可能なVRが、例えば大規模な政治的ネットワーク内に存在する偽アカウントのクラスタなど、複雑でスケールの異なるソーシャルネットワーク構造をより直感的かつ分析可能にする可能性を示した。