Building predictive smell models for virtual reality environments

В среде, насыщенной сенсорными стимулами, человеческий опыт формируется за счет сложного взаимодействия множества чувств. Однако при цифровом взаимодействии задействуются преимущественно зрительные и слуховые модальности, в то время как другие сенсорные каналы, такие как обоняние, остаются практически неиспользованными. Технология виртуальной реальности обладает значительным потенциалом для преодоления этого ограничения за счет включения более широкого спектра сенсорных стимулов, что позволяет создавать более погружающий опыт. В данном исследовании представлен новый подход к интеграции обонятельных стимулов в виртуальную среду посредством разработки прогностической модели запахов, названной Сенсорно-Прогностическая Реакционная Структура (SPRF). Цель исследования заключается в улучшении сенсорного измерения виртуальной реальности путем адаптации обонятельных стимулов к конкретному контенту и контексту. Это достигается за счет сбора информации о местоположении источников запахов и их идентификации по характерным признакам, что позволяет воспроизводить их в пространстве виртуальной среды, тем самым повышая вовлеченность и уровень погружения пользователя. Кроме того, в исследовании изучается влияние различных факторов, связанных с запахами, на восприятие и поведение пользователя в виртуальной реальности, с целью разработки прогностических моделей, оптимизированных для интеграции обонятельных стимулов. Эмпирические оценки показывают, что модель SPRF демонстрирует производительность с точностью 98,13%, значительно превосходя обычные модели, такие как сверточные нейронные сети (CNN, 79,46%), сети с долгой краткосрочной памятью (LSTM, 80,37%) и метод опорных векторов (SVM, 85,24%). Кроме того, SPRF обеспечивает заметные улучшения в показателях F1 (на 13,05%-21,38%) и точности (на 12,89%-18,67%) по сравнению с этими альтернативными моделями. Эти результаты подчеркивают эффективность SPRF в развитии интеграции обонятельных стимулов в виртуальной реальности, предлагая ценные идеи для проектирования мультисенсорных цифровых сред.