Des chercheurs de l’Institut des sciences et technologies de Gwangju développent un Smart Watcher pour les sports électroniques

Il utilise un algorithme de détection d’objets qui étudie les données du regard humain pour trouver des fenêtres attrayantes.

GWANGJU, Corée du Sud, 25 novembre 2022 /PRNewswire/ — Les observateurs de jeu humains sont une partie essentielle de l’industrie des sports électroniques. Ils utilisent une connaissance approfondie du domaine pour décider quoi montrer au public. Cependant, ils peuvent manquer des événements importants, nécessitant le recours à des observateurs automatiques. des chercheurs de Corée du Sud a récemment proposé un cadre utilisant la méthode de détection d’objets, Mask R-CNN et des données d’observation humaine pour trouver la “région d’intérêt commun” dans StarCraft, un jeu de stratégie en temps réel.

Déjà une industrie d’un milliard de dollars, Esports se développe en partie grâce aux observateurs humains du jeu. Ils contrôlent le mouvement de la caméra et montrent au public les parties les plus attrayantes de l’écran de jeu. Cependant, ces observateurs peuvent manquer des événements importants se déroulant simultanément sur plusieurs écrans. Il est également difficile de les payer dans les petits tournois. En conséquence, la demande d’observateurs automatiques a augmenté. Les techniques d’observation artificielle peuvent être basées sur des règles ou sur l’apprentissage. Tous deux prédéterminent les événements et leur signification, nécessitant une connaissance approfondie du domaine. De plus, ils ne peuvent pas capturer des événements ambigus ou distinguer les changements dans l’importance des événements.

Récemment, des chercheurs Corée du Suddirigée par le Dr. Kyung-Jong KimUn professeur agrégé à l’Institut des sciences et technologies de Gwangju a proposé une approche pour surmonter ces problèmes. “Nous avons construit un observateur automatique en utilisant l’algorithme de détection d’objet Mask R-CNN pour apprendre les données d’observation humaine” Dr. Qui explique. Leurs conclusions ont été présentées en ligne 10 octobre 2022 et publié dans la partie B du volume 213 Systèmes experts avec applications Journal.

La nouveauté réside dans la définition de l’objet comme une zone spatiale bidimensionnelle vue par le spectateur. En revanche, la détection d’objets conventionnelle traite une seule unité, telle qu’un travailleur ou un bâtiment, comme un objet. Dans cette étude, les chercheurs ont d’abord recueilli les données d’observation humaine dans le jeu StarCraft auprès de 25 participants. Ensuite, les fenêtres (les zones visualisées par le spectateur) ont été identifiées et étiquetées comme « une ». Le reste de l’écran était rempli de “zéros”. Les caractéristiques du jeu ont été utilisées comme données d’entrée, tandis que les observations humaines constituaient les données cibles.

Les chercheurs ont ensuite transmis les données à un réseau neuronal convolutif (CNN), qui apprend les modèles de fenêtres pour trouver la “région d’intérêt commun” (ROCI) – la zone qui intéresse le plus les téléspectateurs. Ils ont ensuite comparé quantitativement et qualitativement l’approche ROCI Mask R-CNN avec d’autres méthodes existantes. Des évaluations antérieures ont montré que les fenêtres d’affichage prévues par CNN sont similaires aux données d’observation humaine collectées. De plus, la méthode basée sur le ROCI a surpassé les autres à long terme lors d’un test de généralisation impliquant la lecture de divers matchs, emplacements de départ et cartes. L’observateur proposé a pu capturer des scènes d’intérêt pour les gens. Au contraire, cela ne pourrait pas être fait avec le clonage de comportement – une technique d’apprentissage par imitation.

Dr. Kim attire l’attention sur les applications futures de son travail. “Le cadre peut être appliqué non seulement à StarCraft, mais également à d’autres jeux qui représentent l’état général du jeu. Alors que des services tels que le streaming multi-écran dans les esports continuent de croître, l’auto-observateur proposé jouera un rôle dans ces résultats. Il sera également activement utilisé dans du contenu supplémentaire qui sera développé à l’avenir. sera utilisé.”

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

Titre original de l’article : Apprendre à afficher automatiquement les jeux pour les sports électroniques à l’aide d’un moteur de détection d’objets

Revue : Systèmes Experts avec Applications

*Adresse e-mail de l’auteur correspondant : kjkim@gist.ac.kr

À propos de l’Institut des sciences et technologies de Gwangju (GIST).
Site Web : http://www.gist.ac.kr/

Contact:
Chang Sung Kang
82 62 715 6253
349338@email4pr.com

Cizion

Pour télécharger le multimédia, consultez le contenu original : https://www.prnewswire.com/news-releases/researchers-from-gwangju-institute-of-science-and-technology-develop-an-intelligent-observer-for-esports- 301686149 .html

SOURCE Institut des sciences et technologies de Gwangju

Leave a Reply

Your email address will not be published. Required fields are marked *