論文の概要: DeepGamble: Towards unlocking real-time player intelligence using
multi-layer instance segmentation and attribute detection
- arxiv url: http://arxiv.org/abs/2012.08011v1
- Date: Mon, 14 Dec 2020 23:46:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-08 15:33:14.730180
- Title: DeepGamble: Towards unlocking real-time player intelligence using
multi-layer instance segmentation and attribute detection
- Title（参考訳）: DeepGamble: 多層インスタンスセグメンテーションと属性検出によるリアルタイムプレーヤーインテリジェンスのアンロックを目指す
- Authors: Danish Syed, Naman Gandhi, Arushi Arora and Nilesh Kadam
- Abstract要約: カジノでは、熟練していないプレイヤーは熟練したプレイヤーの4倍の収益を得ることができた。
本稿では,Mask R-CNNモデルの拡張に基づくビデオ認識システムについて述べる。
当社のシステムは、カードやプレイヤーのベットをリアルタイムで検出してブラックジャックのゲームをデジタル化します。
- 参考スコア（独自算出の注目度）: 0.8749675983608171
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Annually the gaming industry spends approximately $15 billion in marketing
reinvestment. However, this amount is spent without any consideration for the
skill and luck of the player. For a casino, an unskilled player could fetch ~4
times more revenue than a skilled player. This paper describes a video
recognition system that is based on an extension of the Mask R-CNN model. Our
system digitizes the game of blackjack by detecting cards and player bets in
real-time and processes decisions they took in order to create accurate player
personas. Our proposed supervised learning approach consists of a specialized
three-stage pipeline that takes images from two viewpoints of the casino table
and does instance segmentation to generate masks on proposed regions of
interest. These predicted masks along with derivative features are used to
classify image attributes that are passed onto the next stage to assimilate the
gameplay understanding. Our end-to-end model yields an accuracy of ~95% for the
main bet detection and ~97% for card detection in a controlled environment
trained using transfer learning approach with 900 training examples. Our
approach is generalizable and scalable and shows promising results in varied
gaming scenarios and test data. Such granular level gathered data, helped in
understanding player's deviation from optimum strategy and thereby separate the
skill of the player from the luck of the game. Our system also assesses the
likelihood of card counting by correlating the player's betting pattern to the
deck's scaled count. Such a system lets casinos flag fraudulent activity and
calculate expected personalized profitability for each player and tailor their
marketing reinvestment decisions.
- Abstract（参考訳）: 毎年、ゲーム業界はマーケティングの再投資に約150億ドルを費やしている。
しかし、この金額は選手の技量や運を考慮せずに消費される。
カジノでは、熟練していないプレイヤーは熟練したプレイヤーの約4倍の収益を得ることができる。
本稿では,Mask R-CNNモデルの拡張に基づくビデオ認識システムについて述べる。
本システムは,リアルタイムにカードやプレイヤーの賭けを検知してブラックジャックのゲームをデジタル化し,正確なプレイヤーのペルソナを作成するための意思決定を行う。
提案する教師あり学習手法は,カジノテーブルの2つの視点から画像を取得する3段階の専用パイプラインと,提案領域のマスクを生成するインスタンスセグメンテーションから構成される。
これらの予測マスクと微分特徴は、ゲームプレイ理解を同化するために次のステージに渡される画像属性を分類するために使用される。
本モデルでは,900例の学習例を用いたトランスファー学習による学習環境において,主ベット検出に95%,カード検出に97%の精度が得られた。
我々のアプローチは一般化可能でスケーラブルであり、様々なゲームシナリオやテストデータにおいて有望な結果を示す。
このような粒度のデータは、プレイヤーの最適な戦略からの逸脱を理解するのに役立ち、プレイヤーのスキルをゲームの運から切り離すのに役立った。
また,プレイヤーの賭けパターンとデッキのスケールカウントを関連づけることで,カードカウントの可能性を評価する。
このようなシステムによりカジノは不正行為を警告し、各プレイヤーの予測パーソナライズされた利益率を算出し、マーケティング再投資決定を調整できる。
関連論文リスト
- Instruction-Driven Game Engine: A Poker Case Study [53.689520884467065]
IDGEプロジェクトは、大規模言語モデルで自由形式のゲーム記述を追従し、ゲームプレイプロセスを生成することにより、ゲーム開発を民主化することを目的としている。
我々は、複雑なシナリオへの露出を徐々に増大させるカリキュラム方式でIDGEを訓練する。
我々の最初の進歩はポーカーのIDGEの開発であり、これは幅広いポーカーの変種をサポートするだけでなく、自然言語入力を通じて高度に個別化された新しいポーカーゲームを可能にする。
論文 参考訳（メタデータ） (2024-10-17T11:16:27Z) - Domain-Guided Masked Autoencoders for Unique Player Identification [62.87054782745536]
マスク付きオートエンコーダ (MAE) は, 従来の特徴抽出器よりも優れた代替手段として出現している。
人間の視覚に触発され、我々はd-MAEと呼ばれるMAEのための新しいドメイン誘導マスキングポリシーを考案した。
3つの大規模スポーツデータセットの実験を行った。
論文 参考訳（メタデータ） (2024-03-17T20:14:57Z) - On the recognition of the game type based on physiological signals and
eye tracking [0.0]
我々は,参加者のゲームに対する認識を,問題の探索の場として利用する。
我々は,3つの異なるゲーム(スペースインベーダー,テトリス,タワーディフェンス)とゲーム間停止の分類器を構築する。
ゲーム分類において得られた結果に基づいて、スマート監視と定量化自己の潜在的な応用を考察する。
論文 参考訳（メタデータ） (2023-10-26T13:27:23Z) - Variations on the Reinforcement Learning performance of Blackjack [0.0]
ゲームの目的は、ディーラーより合計で21を超えることなく、ディーラーより高い手を得ることである。
ブラックジャックの環境と固有の報酬構造は,環境変動の存在下での強化学習エージェントの理解を深めるための魅力的な問題である。
また、ブラックジャックルールの普遍化を可能にするブラックジャックシミュレータも実装され、基本戦略とハイロシステムを完全に利用するカードカウンタが家屋を倒産させる可能性を示す。
論文 参考訳（メタデータ） (2023-08-09T13:38:00Z) - A Graph-Based Method for Soccer Action Spotting Using Unsupervised
Player Classification [75.93186954061943]
アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。
本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。
プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
論文 参考訳（メタデータ） (2022-11-22T15:23:53Z) - Combining Sequential and Aggregated Data for Churn Prediction in Casual
Freemium Games [0.0]
フリーミアムゲームでは、プレイヤーからの収益はアプリ内購入とプレイヤーが露出する広告から得られる。
このシナリオでは、プレーヤーがプレイをやめようとしているときにすぐに検出できることが極めて重要である。
本研究では, 逐次データと集約データを組み合わせることで, チャーン予測の最先端性を改善する方法について検討する。
論文 参考訳（メタデータ） (2022-09-06T14:49:18Z) - Automated player identification and indexing using two-stage deep
learning network [0.23610495849936355]
本稿では,アメリカンフットボールの試合における選手の参加を自動的に追跡し,その参加度を指標とする深層学習型選手追跡システムを提案する。
関心領域をハイライトし、ジャージ番号情報を高精度に識別するための2段階ネットワーク設計である。
フットボールビデオの質的,定量的な結果を分析することにより,選手追跡システムの有効性と信頼性を実証する。
論文 参考訳（メタデータ） (2022-04-26T02:59:03Z) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳（メタデータ） (2022-03-10T02:37:39Z) - Detecting Video Game Player Burnout with the Use of Sensor Data and
Machine Learning [15.838305794790022]
本研究では,センサデータ分析に基づいて,プレイヤーが今後の出会いに勝つかどうかを予測する手法を提案する。
センサデータは、リーグ・オブ・レジェンドズ(League of Legends)の22試合の参加者10名から収集された。
われわれはTransformerやGated Recurrent Unitといった機械学習モデルを訓練し、将来一定時間後にプレイヤーが遭遇するかどうかを予測する。
論文 参考訳（メタデータ） (2020-11-29T21:16:09Z) - Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。
対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。
我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
論文 参考訳（メタデータ） (2020-07-10T09:33:05Z) - Efficient exploration of zero-sum stochastic games [83.28949556413717]
ゲームプレイを通じて,ゲームの記述を明示せず,託宣のみにアクセス可能な,重要で一般的なゲーム解決環境について検討する。
限られたデュレーション学習フェーズにおいて、アルゴリズムは両方のプレイヤーのアクションを制御し、ゲームを学習し、それをうまくプレイする方法を学習する。
私たちのモチベーションは、クエリされた戦略プロファイルの支払いを評価するのにコストがかかる状況において、利用可能性の低い戦略を迅速に学習することにあります。
論文 参考訳（メタデータ） (2020-02-24T20:30:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。