Forscher des Gwangju Institute of Science and Technology entwickeln eine Smartwatch für den E-Sport

Es verwendet einen Objekterkennungsalgorithmus, der menschliche Beobachtungsdaten lernt, um ansprechende Ansichtsfenster zu finden

GWANGJU, Südkorea, 25. November 2022 /PRNewswire/ — Menschliche Spielbeobachter sind ein wichtiger Bestandteil der Esports-Branche. Sie nutzen umfassendes Domänenwissen, um zu entscheiden, was den Zuschauern gezeigt werden soll. Sie können jedoch wichtige Ereignisse verpassen, was die Notwendigkeit automatischer Beobachter erforderlich macht. Forscher aus Südkorea hat kürzlich ein Framework vorgeschlagen, das eine Objekterkennungsmethode, Mask R-CNN, und menschliche Beobachtungsdaten verwendet, um die „Region von gemeinsamem Interesse“ in StarCraft zu finden – einem Echtzeit-Strategiespiel.

eSports ist bereits eine Multimilliarden-Dollar-Industrie und wächst, teilweise aufgrund menschlicher Beobachter des Spiels. Sie steuern die Kamerabewegung und zeigen den Zuschauern die fesselndsten Teile des Spielbildschirms. Diese Beobachter können jedoch wichtige Ereignisse verpassen, die gleichzeitig auf mehreren Bildschirmen auftreten. Sie sind auch bei kleinen Turnieren schwer zu bekommen. Folglich ist die Nachfrage nach automatischen Beobachtern gestiegen. Methoden der Künstlichen Intelligenz können regelbasiert oder lernbasiert sein. Beide bestimmen Ereignisse und ihre Bedeutung, was umfangreiche Fachkenntnisse erfordert. Außerdem können sie undefinierte Ereignisse nicht erfassen oder Änderungen in der Bedeutung von Ereignissen erkennen.

Kürzlich haben Forscher aus Südkoreageführt von Dr. Kyung-Jeon Kimaußerordentlicher Professor am Guangzhou Institute of Science and Technology, haben einen Ansatz zur Überwindung dieser Probleme vorgeschlagen. „Wir haben einen automatischen Beobachter mit einem Objekterkennungsalgorithmus, Mask R-CNN, gebaut, um menschliche Beobachtungsdaten zu lernen.“ erklärt Dr. Kim. Ihre Ergebnisse wurden online unter veröffentlicht 10. Oktober 2022 und veröffentlicht in Band 213 Teil B von Expertensysteme mit Anwendungen Tagebuch.

Die Neuheit besteht darin, das Objekt als zweidimensionalen räumlichen Bereich zu definieren, der vom Betrachter betrachtet wird. Im Gegensatz dazu behandelt die herkömmliche Objekterkennung eine einzelne Entität, wie etwa einen Arbeiter oder ein Gebäude, als ein Objekt. In dieser Studie sammelten die Forscher zunächst menschliche Beobachtungsdaten in StarCraft von 25 Teilnehmern. Sichtfenster – vom Betrachter betrachtete Bereiche – wurden dann identifiziert und als „eins“ gekennzeichnet. Der Rest des Bildschirms war mit “Nullen” gefüllt. Während Spielfunktionen als Input verwendet werden, stellen menschliche Beobachtungen die Zielinformationen dar.

Die Forscher speisten die Daten dann in ein Convolutional Neural Network (CNN), das die Fenstermuster erlernte, um die „Region of Common Interest“ (ROCI) zu finden – den spannendsten Bereich, den die Betrachter betrachten können. Anschließend vergleichen sie den ROCI Mask R-CNN-Ansatz quantitativ und qualitativ mit anderen bestehenden Methoden. Die vorherige Auswertung zeigte, dass die vorhergesagten CNN-Sichtfenster den gesammelten menschlichen Beobachtungsdaten ähneln. Darüber hinaus übertrifft die ROCI-basierte Methode die anderen auf lange Sicht während des Generalisierungstests, der verschiedene Matchraces, Startorte und Spielkarten umfasst. Der vorgeschlagene Beobachter konnte die Szenen von menschlichem Interesse erfassen. Im Gegensatz dazu kann dies nicht durch das Klonen von Verhaltensweisen – eine lernende Nachahmungstechnik – erreicht werden.

Dr. Kim weist auf zukünftige Anwendungen ihrer Arbeit hin. „Das Framework kann auf andere Spiele angewendet werden, die einen Teil des gesamten Spielzustands darstellen, nicht nur auf StarCraft. Da Dienste wie Multi-Screen-Streaming im Esports weiter wachsen, wird der vorgeschlagene Auto-Watcher bei diesen Ergebnissen eine Rolle spielen. Es wird auch aktiv in weiteren Inhalten verwendet, die in Zukunft entwickelt werden.”

Hinweis
DOI: https://doi.org/10.1016/j.eswa.2022.118979

Titel des Originalartikels: Lernen, eSports-Spiele mithilfe einer Objekterkennungs-Engine automatisch anzusehen

Zeitschrift: Expertensysteme mit Anwendungen

*E-Mail des Autors für die Korrespondenz: [email protected]

Über das Guangzhou Institute of Science and Technology (GIST)
Website: http://www.gist.ac.kr/

Kontakt:
Chang Sung Kang
82 62 715 6253
[email protected]

QUELLE Gwangju Institut für Wissenschaft und Technologie

Leave a Comment