谨慎结构化压缩：高效管理 StarCraft II 数据
机器学习
2024-10-14 v1
摘要
数据集的创建与存储往往被忽视于机器学习中的输入成本，因为许多数据集仅为简单的图像标签对或纯文本。然而，来自实时策略游戏 StarCraft II 的数据集具有更复杂的结构，需更深思熟虑和策略性地思考以降低所有权成本。我们引入一种用于 StarCraft II 的序列化框架，减少数据集创建和存储成本，同时提升使用便捷性。我们与最相似的现有数据集（来自 \textit{AlphaStar-Unplugged}）进行基准测试，突出了本框架在创建成本和存储成本方面的优势。我们利用该数据集训练的深度学习模型在相当于其他数据集的模型性能上实现了超越。所提出的数据集转换和使用框架已开源，可作为具有类似特征的数据集（如数字孪生仿真）的框架使用。预转换的 StarCraft II 锦标赛数据也可在线获取。
引用
@article{arxiv.2410.08659,
title = {Carefully Structured Compression: Efficiently Managing StarCraft II Data},
author = {Bryce Ferenczi and Rhys Newbury and Michael Burke and Tom Drummond},
journal= {arXiv preprint arXiv:2410.08659},
year = {2024}
}
备注
14 pages, 7 figures