論文の概要: Commentary Generation from Data Records of Multiplayer Strategy Esports Game

• arxiv url: http://arxiv.org/abs/2212.10935v3
• Date: Tue, 08 Oct 2024 12:05:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-10 14:28:42.617512
• Title: Commentary Generation from Data Records of Multiplayer Strategy Esports Game
• Title（参考訳）: マルチプレイヤー戦略スポーツゲームデータからのコメント生成
• Authors: Zihan Wang, Naoki Yoshinaga,
• Abstract要約: 我々は、人気のあるエスポートゲームであるLeague of Legendsから構造化されたデータと注釈をペアリングする大規模なデータセットを構築します。 次に、Transformerベースのモデルを評価し、構造化データレコードからゲーム注釈を生成する。 データ・ツー・テキスト・ジェネレーションのコミュニティにおける潜在的研究を促進するために、データセットをリリースします。
• 参考スコア（独自算出の注目度）: 21.133690853111133
• License:
• Abstract: Esports, a sports competition on video games, has become one of the most important sporting events. Although esports play logs have been accumulated, only a small portion of them accompany text commentaries for the audience to retrieve and understand the plays. In this study, we therefore introduce the task of generating game commentaries from esports' data records. We first build large-scale esports data-to-text datasets that pair structured data and commentaries from a popular esports game, League of Legends. We then evaluate Transformer-based models to generate game commentaries from structured data records, while examining the impact of the pre-trained language models. Evaluation results on our dataset revealed the challenges of this novel task. We will release our dataset to boost potential research in the data-to-text generation community.
• Abstract（参考訳）: ビデオゲームのスポーツコンペティションであるEsportsは、最も重要なスポーツイベントの1つとなっている。 エスポートのプレイログは蓄積されているが、観客がプレイを検索して理解するためにテキストコメンタリーを添付しているのはごくわずかである。 そこで本研究では,esportsのデータ記録からゲームコメンタリーを生成するタスクについて紹介する。 まず、一般的なエスポートゲームであるLeague of Legendsから構造化されたデータと注釈をペアリングする、大規模なエスポートデータ-テキストデータセットを構築します。 次に,Transformerベースのモデルを評価し,構造化データからゲーム注釈を生成するとともに,事前学習された言語モデルの影響を調査した。 評価結果から,本課題の課題を明らかにした。 データ・ツー・テキスト・ジェネレーションのコミュニティにおける潜在的研究を促進するために、データセットをリリースします。

関連論文リスト

• Deep learning for action spotting in association football videos [64.10841325879996]
  SoccerNetイニシアチブは毎年の課題を組織し、世界中の参加者が最先端のパフォーマンスを達成するために競う。 本稿では,スポーツにおけるアクションスポッティングの歴史を,2018年の課題の創出から,現在の研究・スポーツ産業における役割まで遡る。
  論文  参考訳（メタデータ） (2024-10-02T07:56:15Z)
• MatchTime: Towards Automatic Soccer Game Commentary Generation [52.431010585268865]
  観客の視聴体験を改善するために,自動サッカーゲーム解説モデルの構築を検討する。 まず、既存のデータセットでよく見られるビデオテキストのミスアライメントを観察し、49試合のタイムスタンプを手動でアノテートする。 第2に,既存のデータセットを自動的に修正・フィルタリングするマルチモーダル時間アライメントパイプラインを提案する。 第3に、キュレートされたデータセットに基づいて、MatchVoiceという自動コメント生成モデルをトレーニングします。
  論文  参考訳（メタデータ） (2024-06-26T17:57:25Z)
• SoccerNet-Echoes: A Soccer Game Audio Commentary Dataset [46.60191376520379]
  本稿では,サッカーゲーム放送からの音声コメントの自動書き起こしによる,サッカーネットデータセットの拡張であるFocoNet-Echoesについて述べる。 視覚的および聴覚的コンテンツとともにテキストデータを組み込むことで、サッカーゲームのダイナミクスを捉えるアルゴリズムを開発するための総合的なリソースとなることを目的としている。
  論文  参考訳（メタデータ） (2024-05-12T18:25:38Z)
• Game-MUG: Multimodal Oriented Game Situation Understanding and Commentary Generation Dataset [8.837048597513059]
  本稿では,新しいマルチモーダルゲーム状況理解とオーディエンスによるコメント生成データセットであるGAME-MUGを紹介する。 我々のデータセットは、YouTubeとTwitchの2020-2022 LOLゲームライブストリームから収集され、テキスト、オーディオ、時系列イベントログを含むマルチモーダルEスポーツゲーム情報を含んでいる。 また,ゲーム状況とオーディエンス会話理解を網羅して,新たなオーディエンス会話追加コメントデータセットを提案する。
  論文  参考訳（メタデータ） (2024-04-30T00:39:26Z)
• Going for GOAL: A Resource for Grounded Football Commentaries [66.10040637644697]
  本稿では,GrOunded footbAlLコメンタリー(GOAL)について紹介する。 本稿では,フレームリオーダー,モーメント検索,ライブコメンタリー検索,プレイバイプレイのライブコメンタリー生成といったタスクに対して,最先端のベースラインを提供する。 その結果,ほとんどのタスクにおいてSOTAモデルは合理的に機能することがわかった。
  論文  参考訳（メタデータ） (2022-11-08T20:04:27Z)
• ESTA: An Esports Trajectory and Action Dataset [0.0]
  我々はエスポートデータを用いて、勝利予測のための機械学習モデルを開発する。 Awpyはオープンソースのライブラリで、プレイヤーの軌跡やアクションをゲームログから抽出できる。 ESTAは、これまでで最大かつ最も細かく公開されているスポーツデータセットの1つである。
  論文  参考訳（メタデータ） (2022-09-20T17:13:50Z)
• GOAL: Towards Benchmarking Few-Shot Sports Game Summarization [0.3683202928838613]
  GOALは,イングランド初のスポーツゲーム要約データセットである。 GOALには103のコメントとニュースのペアがあり、それぞれ2724.9語と476.3語である。
  論文  参考訳（メタデータ） (2022-07-18T14:29:18Z)
• SC2EGSet: StarCraft II Esport Replay and Game-state Dataset [0.0]
  この研究は、StarCraft II esportsトーナメントから生のファイルと事前処理されたファイルを提供することで、幅広い科学コミュニティにエスポートを開放することを目的としている。 トーナメントマッチをゲームエンジンで生成し,低レベルアプリケーションプログラミングインタフェース(API)ライブラリを用いてデータ抽出を行った。 私たちのデータセットには、2016年以来のスタークラフトIIトーナメントのメジャーおよびプレミアのリプレイが含まれています。
  論文  参考訳（メタデータ） (2022-07-07T16:52:53Z)
• A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications [60.3327085463545]
  本稿では,スポーツ分析のための映像行動認識に関する調査を行う。 サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。 本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
  論文  参考訳（メタデータ） (2022-06-02T13:19:36Z)
• Knowledge Enhanced Sports Game Summarization [14.389241106925438]
  2つの特徴を持つ新しいデータセットであるK-SportsSumを紹介する。 K-SportsSumは大規模なゲームから大量のデータを収集する。 K-SportsSumはさらに、523のスポーツチームと14,724人のスポーツ選手の情報を含む大規模な知識コーパスを提供している。
  論文  参考訳（メタデータ） (2021-11-24T15:06:20Z)
• SoccerNet-v2: A Dataset and Benchmarks for Holistic Understanding of Broadcast Soccer Videos [71.72665910128975]
  SoccerNet-v2 は SoccerNet ビデオデータセット用の手動アノテーションの大規模なコーパスである。 SoccerNetの500の未トリミングサッカービデオの中で、約300万のアノテーションをリリースしています。 サッカーの領域における現在のタスクを拡張し、アクションスポッティング、カメラショットセグメンテーション、境界検出を含む。
  論文  参考訳（メタデータ） (2020-11-26T16:10:16Z)

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。