预测《汤姆·克兰西：全境封锁2》中的玩家参与度：基于像素与手柄动作的多模态方法
人机交互
2023-10-11 v1
摘要
本文介绍了一个为分析和预测商业标准游戏中玩家参与度而收集的大规模多模态语料库。该语料库征集自 25 名动作角色扮演游戏《汤姆·克兰西：全境封锁2》的玩家，他们使用时间连续标注工具标注了自己的参与度水平。本文呈现的清洗和处理后的语料库包含近 20 小时带标注的游戏视频及记录的手柄动作。我们报告了基于游戏内画面和游戏控制器动作、使用卷积神经网络架构预测长期玩家参与度的初步结果。所得结果表明，当我们融合来自游戏画面和玩家控制器输入的信息时，能以平均高达 72% 的准确率（最佳 88%）预测玩家参与度。我们的发现验证了以下假设：仅从像素和手柄动作即可高效预测长期（即 1 小时游戏）参与度。
引用
@article{arxiv.2310.06136,
title = {Predicting Player Engagement in Tom Clancy's The Division 2: A Multimodal Approach via Pixels and Gamepad Actions},
author = {Kosmas Pinitas and David Renaudie and Mike Thomsen and Matthew Barthet and Konstantinos Makantasis and Antonios Liapis and Georgios N. Yannakakis},
journal= {arXiv preprint arXiv:2310.06136},
year = {2023}
}
备注
8 pages, accepted for publication and presentation at 2023 25th ACM International Conference on Multimodal Interaction (ICMI)