The One-Man-Crowd : towards single-user capture of collective motions using virtual reality
One-Man-Crowd : vers la capture par un seul utilisateur de mouvements collectifs à l'aide de la réalité virtuelle
Résumé
Crowd motion data is fundamental for understanding and simulating realistic crowd behaviors. Such data is, however, scarce because of multiple challenges and difficulties involved in its gathering. Virtual Reality (VR) has been leveraged to study individual behavior in crowds, typically by immersing users into simulated virtual crowds and capturing their behavior. In this thesis, we propose and evaluate a novel VR-based approach, lifting the limitations of real-world experiments for the acquisition of crowd motion data. We refer to this approach the One-Man-Crowd paradigm. We first propose to capture crowd motion with a single user. By recording the past trajectories and body movements of the user, and displaying them on virtual characters, the users progressively build the overall crowd behavior by themselves. Then, we propose the new concept of contextual crowds that leverage crowd simulation to mitigate the users' behavioral bias during the capture procedure. We implement two different strategies, namely a Replace-Record-Replay (3R) process and a Replace-Record-Replay-Responsive (4R) process. We evaluate and validate the proposed approach by replicating and comparing with in total five real crowd experiments. Our results suggest that the One-Man-Crowd paradigm offers a promising approach for acquiring realistic crowd motion data in virtual environments.
Les données sur les mouvements de foule sont essentielles pour comprendre et simuler des comportements de foule. Ces données sont toutefois rares en raison des multiples difficultés liées à leur collecte. La réalité virtuelle (RV) a été utilisée pour étudier le comportement individuel dans les foules, généralement en immergeant les utilisateurs dans des foules virtuelles et en capturant leur comportement. Dans cette thèse, nous proposons et évaluons une nouvelle approche établie sur la RV, qui lève les limites des expériences réelles pour l'acquisition de données sur le mouvement des foules. Nous appelons cette approche le paradigme « One-Man-Crowd ». Nous proposons tout d'abord de capturer les mouvements de la foule avec un seul utilisateur. En enregistrant les trajectoires passées et les mouvements du corps de l'utilisateur, et en les affichant sur des personnages virtuels, les utilisateurs construisent progressivement le comportement global de la foule. Nous proposons ensuite un nouveau concept de foule contextuelle qui s'appuie sur la simulation de la foule pour atténuer les biais comportementaux des utilisateurs lors de la procédure de capture. Nous mettons en œuvre deux stratégies différentes, à savoir un processus Replace-Record-Replay (3R) et un processus Replace-Record-Replay-Responsive (4R). Nous évaluons et validons l'approche proposée en reproduisant et en comparant au total cinq expériences de foules réelles. Nos résultats suggèrent que le paradigme One-Man-Crowd offre une approche prometteuse pour l'acquisition de données réalistes sur les mouvements de foule dans des environnements virtuels.
| Origine | Version validée par le jury (STAR) |
|---|