用于StepMania关卡难度估计的序数回归
机器学习
2023-01-24 v1
摘要
StepMania是一款流行的开源节奏类视频游戏克隆。与流行游戏常见的情况一样，存在大量社区设计的关卡。玩家和关卡作者往往难以确定此类社区贡献的难度等级。在这项工作中，我们将StepMania关卡的难度预测任务形式化并分析为序数回归（OR）任务。我们标准化了更广泛且多样的数据选集，得到五个数据集，其中两个是先前工作的扩展。我们评估了许多有竞争力的OR和非OR模型，证明基于神经网络的模型显著优于当前最优（SOTA），且StepMania关卡数据可作为深度OR模型的极佳测试平台。我们以一项用户实验作结，展示了我们训练模型相对于人工标注的优越性。
引用
@article{arxiv.2301.09485,
title = {Ordinal Regression for Difficulty Estimation of StepMania Levels},
author = {Billy Joe Franks and Benjamin Dinkelmann and Sophie Fellenz and Marius Kloft},
journal= {arXiv preprint arXiv:2301.09485},
year = {2023}
}