艾巴生活网

您现在的位置是:主页>教育 >内容

教育

光州科技学院的研究人员为电竞开发了一个智能观察器

2022-11-25 08:57:18教育传统的飞鸟
电竞,已经是一个价值数十亿美元的产业,正在成长,部分原因是人类游戏观察员。他们控制摄像机的移动,向观众展示游戏画面中最吸引人的部分

电竞,已经是一个价值数十亿美元的产业,正在成长,部分原因是人类游戏观察员。他们控制摄像机的移动,向观众展示游戏画面中最吸引人的部分。然而,这些观察员可能会错过多个屏幕上同时发生的重大事件。在小型比赛中,他们也很难负担得起。因此,对自动观察者的需求也在增长。人工观察方法可以是基于规则的,也可以是基于学习的。这两种方法都预先定义了事件和它们的重要性,需要大量的领域知识。此外,它们不能捕捉未定义的事件或辨别事件的重要性的变化。

光州科技学院的研究人员为电竞开发了一个智能观察器

最近,来自韩国的研究人员在光州科技学院副教授Kyung-Jong Kim博士的领导下,提出了一种克服这些问题的方法。“我们创建了一个使用物体检测算法的自动观察器,Mask R-CNN,来学习人类的观察数据,”金博士解释说。他们的研究结果于2022年10月10日在网上公布,并发表在《专家系统与应用》杂志第213卷B部分。

其新颖之处在于将物体定义为观众所看到的二维空间区域。与此相反,传统的物体检测将单个单位,例如工人或建筑物,视为物体。在这项研究中,研究人员首先收集了25名参与者的《星际争霸》游戏内人类观察数据。接下来,视口--观众所看到的区域--被识别并标记为 "一个"。屏幕的其余部分被填上了 "0"。虽然游戏中的特征被用作输入数据,但人类的观察构成了目标信息。

研究人员随后将数据输入卷积神经网络(CNN),该网络学习了视口的模式,以找到 “共同感兴趣的区域”(ROCI)--观众最感兴趣的区域。然后,他们将ROCI面具R-CNN方法与其他现有方法进行了定量和定性的比较。前者的评估显示,CNN预测的视口与收集的人类观察数据相似。此外,基于ROCI的方法在泛化测试中长期表现优于其他方法,这涉及到不同的对抗赛、起点位置和游戏地图。拟议的观察者能够捕捉到人类感兴趣的场景。相比之下,它无法通过行为克隆--一种模仿学习技术来完成。

金博士指出了他们工作的未来应用。“该框架可以应用于代表一些整体游戏状态的其他游戏,而不仅仅是星际争霸。随着电子竞技中多屏幕传输等服务的持续增长,拟议的自动观察者将在这些可交付成果中发挥作用。它还将在未来开发的其他内容中积极使用。