A cinetose induzida visualmente (Visually Induced Motion Sickness, VIMS) em experiências imersivas de realidade virtual é um problema importante que afeta o desenvolvimento e a aplicação de sistemas de realidade virtual. Os atuais esquemas de avaliação baseados em conteúdo visual geralmente consideram fatores não suficientemente abrangentes, com extração de informações de movimento relativamente simples, e raramente consideram o impacto das mudanças súbitas no domínio temporal sobre a cinetose. Para enfrentar esses problemas, foi proposto um modelo de avaliação espaço-temporal multifuncional da cinetose induzida visualmente na realidade virtual; baseado em informações espaciais e temporais de vídeos panorâmicos estereoscópicos para projetar o modelo de avaliação da cinetose induzida visualmente, utilizando características de movimento ponderadas mais compatíveis com a percepção humana, e considerando informações de mudanças temporais súbitas em vídeos panorâmicos estereoscópicos para projetar o método de extração de características. O modelo proposto é dividido em módulo de pré-processamento, módulo de extração de características e módulo de agregação temporal e regressão. O módulo de pré-processamento é utilizado para extração do viewport e estimativa dos mapas de fluxo óptico, mapa de disparidade e mapa de saliência. O módulo de extração de características inclui extração de características de movimento ponderadas para primeiro plano e plano de fundo, extração de características de disparidade baseadas no domínio transformado, extração de características espaciais e extração de características de mudanças súbitas temporais. Após a agregação temporal, a pontuação de avaliação VIMS é obtida por meio da regressão de vetores de suporte. Os resultados experimentais mostram que os resultados de previsão do modelo no banco de dados de vídeo panorâmico estereoscópico SPVCD apresentam coeficiente de correlação linear de Pearson de 0,821, coeficiente de correlação de Spearman de 0,790 e erro quadrático médio de 0,489 em comparação com a média das opiniões subjetivas. O modelo alcançou um excelente desempenho preditivo, validando a eficácia do módulo de extração de características proposto.

realidade virtual;vídeo panorâmico estereoscópico;cinetose;percepção de movimento;características de mudanças súbitas