論文の概要: Affective Game Computing: A Survey

• arxiv url: http://arxiv.org/abs/2309.14104v1
• Date: Mon, 25 Sep 2023 12:52:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 15:41:10.233749
• Title: Affective Game Computing: A Survey
• Title（参考訳）: Affective Game Computing: 調査
• Authors: Georgios N. Yannakakis and David Melhart
• Abstract要約: 本稿では,ゲームに応用された情緒的コンピューティングの原理,方法,ツールの現状について調査する。 我々は、感情的なゲームループの4つのフェーズにまたがる用語、方法、アプローチの分類を提供し、この分類の分野を定めている。 本稿は、現在の感情型ゲームコンピューティングの限界と、この分野における最も有望な研究方向性に対する我々のビジョンに関する議論から締めくくっている。
• 参考スコア（独自算出の注目度）: 1.8420149175440346
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper surveys the current state of the art in affective computing principles, methods and tools as applied to games. We review this emerging field, namely affective game computing, through the lens of the four core phases of the affective loop: game affect elicitation, game affect sensing, game affect detection and game affect adaptation. In addition, we provide a taxonomy of terms, methods and approaches used across the four phases of the affective game loop and situate the field within this taxonomy. We continue with a comprehensive review of available affect data collection methods with regards to gaming interfaces, sensors, annotation protocols, and available corpora. The paper concludes with a discussion on the current limitations of affective game computing and our vision for the most promising future research directions in the field.
• Abstract（参考訳）: 本稿では,ゲームに適用された情緒的コンピューティングの原理,方法,ツールの現状について調査する。 我々は、この新興分野、すなわち情緒的ゲームコンピューティングを、感情的ループの4つのコアフェーズのレンズを通してレビューする:ゲームは誘惑に影響を与え、ゲームは感覚に影響を与え、ゲームはゲームに影響を及ぼし、ゲームはゲームに影響を与え、ゲームは適応する。 さらに,感情ゲームループの4段階にわたって用いられる用語,方法,アプローチの分類法を提供し,この分類法内でフィールドを配置する。 我々は,ゲームインターフェース,センサ,アノテーションプロトコル,利用可能なコーパスに関して,利用可能な影響データ収集手法の包括的なレビューを継続する。 この論文は、情緒的ゲームコンピューティングの現在の限界と、この分野で最も有望な将来の研究方向に対する我々のビジョンに関する議論で締めくくられている。

関連論文リスト

• A Comprehensive Survey on Affective Computing; Challenges, Trends, Applications, and Future Directions [3.8370454072401685]
  感情コンピューティングは人間の感情、感情、感情を認識することを目的としています。 機械学習(ML)と混合現実(XR)がどのように相互作用するかを決定する研究はこれまで行われていない。
  論文  参考訳（メタデータ） (2023-05-08T10:42:46Z)
• Commonsense Knowledge from Scene Graphs for Textual Environments [6.617487928813374]
  シーングラフデータセットなどの視覚的データセットから得られたコモンセンス推論を利用する利点について検討する。 提案手法は既存の最先端手法よりも高い性能と競争性を有する。
  論文  参考訳（メタデータ） (2022-10-19T03:09:17Z)
• SOLVER: Scene-Object Interrelated Visual Emotion Reasoning Network [83.27291945217424]
  画像から感情を予測するために,SOLVER(Scene-Object Interrelated Visual Emotion Reasoning Network)を提案する。 異なるオブジェクト間の感情関係を掘り下げるために、まずセマンティックな概念と視覚的特徴に基づいて感情グラフを構築します。 また、シーンとオブジェクトを統合するScene-Object Fusion Moduleを設計し、シーンの特徴を利用して、提案したシーンベースのアテンションメカニズムでオブジェクトの特徴の融合プロセスを導出する。
  論文  参考訳（メタデータ） (2021-10-24T02:41:41Z)
• Contextual Games: Multi-Agent Learning with Side Information [57.76996806603094]
  各ラウンドでコンテキスト情報によって駆動されるコンテキストゲームの新しいクラスを定式化する。 カーネルベースの規則性仮定を用いて、異なるコンテキストとゲーム結果の相関関係をモデル化する。 本研究では,個々のプレイヤーの文脈的後悔を最小限に抑えるために,そのような相関を利用した新しいオンライン(メタ)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-07-13T18:37:37Z)
• Advancing Methodology for Social Science Research Using Alternate Reality Games: Proof-of-Concept Through Measuring Individual Differences and Adaptability and their impact on Team Performance [8.680283375719466]
  オープンな問題に取り組む作業について、個人差とチーム適応への影響を理解することに焦点を当てて論じる。 具体的には,調査データと行動データを拡張する手法に関して,我々の貢献を具体的に論じる。 この問題をより難易度の高いものにするために、私たちは特定の種類の環境、Alternate Reality Games(ARGs)に注力することにしました。
  論文  参考訳（メタデータ） (2021-06-25T16:22:22Z)
• Assessing and Supplying the Health of Videos Games via Formal Semantics [0.0]
  ビデオゲームは暗黙のメッセージと暗黙のメッセージの両方を持ち、ユーザーの身体的および精神的健康に影響を与える可能性がある。 ゲームに存在する影響、意味、意味は、非常に広く、多層的で複雑である。 形式的・厳密な手法に基づく評価手法を提案する。
  論文  参考訳（メタデータ） (2021-04-10T22:12:31Z)
• Computational Emotion Analysis From Images: Recent Advances and Future Directions [79.05003998727103]
  本章では,画像感情分析(IEA)を計算的観点から導入することを目的としている。 心理学の一般的な感情表現モデルから始めます。 そして、研究者たちが解決しようとしている重要な計算問題を定義します。
  論文  参考訳（メタデータ） (2021-03-19T13:33:34Z)
• Affect2MM: Affective Analysis of Multimedia Content Using Emotion Causality [84.69595956853908]
  本稿では,マルチメディアコンテンツを対象とした時系列感情予測学習手法であるAffect2MMを提案する。 私たちの目標は、現実の人間中心の状況や行動でキャラクターが描く様々な感情を自動的に捉えることです。
  論文  参考訳（メタデータ） (2021-03-11T09:07:25Z)
• An Empirical Study on the Generalization Power of Neural Representations Learned via Visual Guessing Games [79.23847247132345]
  本研究は,視覚質問応答(VQA)のような新しいNLP下流タスクにおいて,後から実行を依頼されたとき,人工エージェントが推測ゲームでどの程度の利益を得ることができるかを検討する。 提案手法は,1) エージェントがうまく推理ゲームを模倣することを学習する教師あり学習シナリオ,2) エージェントが単独でプレイする新しい方法,すなわち,反復経験学習(SPIEL)によるセルフプレイ(Self-play)を提案する。
  論文  参考訳（メタデータ） (2021-01-31T10:30:48Z)
• Exploration Based Language Learning for Text-Based Games [72.30525050367216]
  本研究は,テキストベースのコンピュータゲームにおいて,最先端の性能を発揮できる探索・模倣学習型エージェントを提案する。 テキストベースのコンピュータゲームは、自然言語でプレイヤーの世界を記述し、プレイヤーがテキストを使ってゲームと対話することを期待する。 これらのゲームは、言語理解、問題解決、および人工エージェントによる言語生成のためのテストベッドと見なすことができるため、興味がある。
  論文  参考訳（メタデータ） (2020-01-24T03:03:51Z)

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。