3M：基于多教师的多模态多任务学习用于游戏事件检测
计算与语言
2024-06-14 v1
摘要
电子竞技正在通过像 YouTube 这样的平台迅速崛起，并拥有不断扩大的观众群体。鉴于游戏的内在复杂性，新手难以理解事件的含义。线上聊天的混乱性、游戏解说员的快节奏语音，以及游戏特定的用户界面进一步增加了用户理解游戏情境的难度。为克服这些挑战，关键在于整合平台的多模态 (MM) 信息并理解事件。本文引入了一种新的 MM 多教师-based 游戏事件检测框架，目标是构建一个全面的框架，以增强对正在进行的游戏情境的理解。虽然传统的 MM 模型通常通过并行训练来对齐 MM 数据以实现统一目标，但我们的框架利用在不同任务上独立训练的多个教师来完成游戏事件检测。实验清晰地显示了所提出 MM 多教师框架的有效性。
引用
@article{arxiv.2406.09076,
title = {3M: Multi-modal Multi-task Multi-teacher Learning for Game Event Detection},
author = {Thye Shan Ng and Feiqi Cao and Soyeon Caren Han},
journal= {arXiv preprint arXiv:2406.09076},
year = {2024}
}