基于全球规模遥测数据和联邦学习预测视频游戏体验质量
人机交互
2025-02-27 v3 人工智能
信息检索
摘要
帧率（FPS）显著影响游戏体验。为玩家在购买前提供准确的FPS估计有助于玩家和游戏开发商。然而，我们对如何预测特定设备上游戏的FPS性能认知有限。本文首先对广泛的影响因素进行全面分析，这些因素可能影响来自全球规模数据集的游戏FPS，以识别FPS的决定因素。这包括玩家端和游戏端特征，以及国家层面的社会经济统计数据。进一步地，鉴于准确的FPS预测需要大量用户数据，这引发隐私 concerns，我们提出一种基于联邦学习的模型以确保用户隐私。每个玩家和游戏被分配一个唯一的可学习知识内核，逐步提取潜在特征以提高准确性。我们还引入一种新的训练和预测方案，使这些内核能够动态插拔，有效解决冷启动问题。为训练最小偏差的模型，我们收集了来自224个国家和地区、10万名用户和835款游戏的大型遥测数据集。我们的模型在预测FPS分布与真实值之间的平均 Wasserstein 距离为0.469，优于所有基线方法。
引用
@article{arxiv.2412.08950,
title = {Predicting Quality of Video Gaming Experience Using Global-Scale Telemetry Data and Federated Learning},
author = {Zhongyang Zhang and Jinhe Wen and Zixi Chen and Dara Arbab and Sruti Sahani and Kent Giard and Bijan Arbab and Haojian Jin and Tauhidur Rahman},
journal= {arXiv preprint arXiv:2412.08950},
year = {2025}
}
备注
22 pages, 11 figures, 6 tables