Radar mondial UDTR

UDTR — Radar mondial des droits de la Nature

Registre documentaire des références détectées à travers les infrastructures académiques, juridiques et institutionnelles surveillées par UDTR.

Une infrastructure documentaire mondiale conçue pour atteindre la couverture la plus large, vérifiable et scientifiquement défendable des droits de la Nature.

← Retour au Radar

Complying with the EU AI Act: Innovations in explainable and user-centric hand gesture recognition

Identification

Clé publique
radar:r-5288d4e3563350305c8fdd9950abe77f
Auteurs
Sarah Seifi · Tobias Sukianto · Cecilia Carbonelli · Lorenzo Servadei · Robert Wille
Année déclarée
2025
Langue déclarée
en
Type source
article
Première détection
2026-11-14T09:36:48.595197+00:00
Dernière observation des métadonnées
2026-11-14T09:36:48.595197+00:00
Dernière vérification HTTP
Non effectuée

Institutions déclarées par la source

Infineon Technologies (Germany) · Technical University of Munich · Johannes Kepler University of Linz · Software Competence Center Hagenberg (Austria)

Pays d’affiliation déclarés

AT · DE

Résumé documentaire — langue originale

The EU AI Act underscores the importance of transparency, user-centricity, and robustness in AI systems, particularly for high-risk applications. In response, we present advancements in XentricAI, an explainable hand gesture recognition (HGR) system designed to meet these regulatory requirements. XentricAI addresses fundamental challenges in HGR, such as the opacity of black-box models using explainable AI methods and the handling of distributional shifts in real-world data through transfer learning techniques. We extend an existing radar-based HGR dataset by adding 28,000 new gestures, with contributions from multiple users across varied locations, including 24,000 out-of-distribution gestures. Leveraging this real-world dataset, we enhance XentricAI’s capabilities by integrating a variational autoencoder module for improved gesture anomaly detection , incorporating user-specific dynamic thresholding. This integration enables the identification of 11.50% more anomalous gestures. Our extensive evaluations demonstrate a 97.5% success rate in characterizing these anomalies, significantly improving system explainability. Furthermore, the implementation of transfer learning techniques has shown a substantial increase in user adaptability, with an average performance improvement of at least 15.17%. This work contributes to the development of trustworthy AI systems by providing both technical advancements and regulatory compliance, offering a commercially viable solution that aligns with the EU AI Act requirements.

Identifiants

OPENALEX
https://openalex.org/W4409798999
DOI
10.1016/j.mlwa.2025.100655

Repères documentaires

Famille documentaire
article
Types déclarés par les sources
article
Éditeurs
Elsevier BV

Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.

Sources

OpenAlex · Document 1

Citer cette référence

Sarah Seifi; Tobias Sukianto; Cecilia Carbonelli; Lorenzo Servadei; Robert Wille. Complying with the EU AI Act: Innovations in explainable and user-centric hand gesture recognition. 2025. https://doi.org/10.1016/j.mlwa.2025.100655

JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·

APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.

APA
Sarah Seifi; Tobias Sukianto; Cecilia Carbonelli; Lorenzo Servadei; Robert Wille. (2025). Complying with the EU AI Act: Innovations in explainable and user-centric hand gesture recognition. https://doi.org/10.1016/j.mlwa.2025.100655
Chicago
Sarah Seifi; Tobias Sukianto; Cecilia Carbonelli; Lorenzo Servadei; Robert Wille. Complying with the EU AI Act: Innovations in explainable and user-centric hand gesture recognition. 2025. https://doi.org/10.1016/j.mlwa.2025.100655
ISO 690
Sarah Seifi; Tobias Sukianto; Cecilia Carbonelli; Lorenzo Servadei; Robert Wille. Complying with the EU AI Act: Innovations in explainable and user-centric hand gesture recognition. 2025. https://doi.org/10.1016/j.mlwa.2025.100655

Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31

UDTR — Bibliothèque juridique mondiale des droits de la Nature. Complying with the EU AI Act: Innovations in explainable and user-centric hand gesture recognition. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-5288d4e3563350305c8fdd9950abe77f/ · Dernière vérification HTTP : non effectuée

Signaler une correction

Données de cette version figée

Dossiers et relations documentaires

Rôles des sources

Source bibliographique / publication d’origine · https://doi.org/10.1016/j.mlwa.2025.100655

Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.

Statut documentaire

Pertinence à examiner

Bibliothèque

Cette identité n’est pas encore intégrée à la Bibliothèque juridique.

UDTR — Bibliothèque juridique mondiale des droits de la Nature