論文の概要: Predicting Quality of Video Gaming Experience Using Global-Scale Telemetry Data and Federated Learning

• arxiv url: http://arxiv.org/abs/2412.08950v2
• Date: Sat, 21 Dec 2024 02:52:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 15:52:10.954439
• Title: Predicting Quality of Video Gaming Experience Using Global-Scale Telemetry Data and Federated Learning
• Title（参考訳）: グローバルテレメトリデータとフェデレーションラーニングを用いたビデオゲーム体験の質予測
• Authors: Zhongyang Zhang, Jinhe Wen, Zixi Chen, Dara Arbab, Sruti Sahani, William Lewis, Kent Giard, Bijan Arbab, Haojian Jin, Tauhidur Rahman,
• Abstract要約: フレーム・パー・秒(FPS)はゲーム体験に大きな影響を与える。 グローバルスケールのデータセット上でゲームFPSに影響を与える可能性のある要因について検討する。 ユーザプライバシを確保するためのフェデレーション学習モデルを提案する。
• 参考スコア（独自算出の注目度）: 2.2616193194985454
• License:
• Abstract: Frames Per Second (FPS) significantly affects the gaming experience. Providing players with accurate FPS estimates prior to purchase benefits both players and game developers. However, we have a limited understanding of how to predict a game's FPS performance on a specific device. In this paper, we first conduct a comprehensive analysis of a wide range of factors that may affect game FPS on a global-scale dataset to identify the determinants of FPS. This includes player-side and game-side characteristics, as well as country-level socio-economic statistics. Furthermore, recognizing that accurate FPS predictions require extensive user data, which raises privacy concerns, we propose a federated learning-based model to ensure user privacy. Each player and game is assigned a unique learnable knowledge kernel that gradually extracts latent features for improved accuracy. We also introduce a novel training and prediction scheme that allows these kernels to be dynamically plug-and-play, effectively addressing cold start issues. To train this model with minimal bias, we collected a large telemetry dataset from 224 countries and regions, 100,000 users, and 835 games. Our model achieved a mean Wasserstein distance of 0.469 between predicted and ground truth FPS distributions, outperforming all baseline methods.
• Abstract（参考訳）: フレーム・パー・秒(FPS)はゲーム体験に大きな影響を与える。 プレイヤーとゲーム開発者の両方が購入する前の正確なFPS推定値を提供する。 しかし,特定のデバイス上でのFPS性能の予測方法については,限定的な理解が得られている。 本稿ではまず,グローバルスケールのデータセット上でのゲームFPSに影響を与える幅広い要因の包括的分析を行い,FPSの行列式を同定する。 これには、プレイヤーサイドとゲームサイドの特徴、および国レベルの社会経済統計が含まれる。 さらに、正確なFPS予測には、プライバシー上の懸念を生じさせる広範なユーザデータが必要であることを認識し、ユーザプライバシを確保するためのフェデレート学習モデルを提案する。 各プレイヤーとゲームには独自の学習可能な知識カーネルが割り当てられ、遅延特徴を徐々に抽出して精度を向上させる。 また,これらのカーネルを動的にプラグアンドプレイし,コールドスタート問題に効果的に対処する,新たなトレーニングと予測手法を導入する。 このモデルをバイアスを最小限にトレーニングするために,224か国,地域,10万人のユーザ,835のゲームから,大規模なテレメトリデータセットを収集した。 我々のモデルは予測真理FPS分布と地上真理FPS分布の平均ワッサーシュタイン距離0.469を達成し、全ての基準線法より優れていた。

関連論文リスト

• Collaborative-Enhanced Prediction of Spending on Newly Downloaded Mobile Games under Consumption Uncertainty [49.431361908465036]
  ラベルのばらつきと極端性を緩和する頑健なモデルトレーニングと評価フレームワークを提案する。 本フレームワークでは,ユーザIDに頼ることなく,ユーザのゲーム支出を予測するための協調型モデルを提案する。 当社のアプローチは、オフラインデータに対する注目すべき textbf17.11% の強化を実現し、プロダクションモデルよりも顕著に改善されていることを示す。
  論文  参考訳（メタデータ） (2024-04-12T07:47:02Z)
• Bayes-xG: Player and Position Correction on Expected Goals (xG) using Bayesian Hierarchical Approach [55.2480439325792]
  本研究は, 期待目標(xG)測定値を用いて, 目標となるショットの予測における選手や位置要因の影響について検討した。 StatsBombの公開データを使って、イングランドのプレミアリーグから1万発のショットを分析している。 この研究は、スペインのラ・リガとドイツのブンデスリーガのデータに分析を拡張し、同等の結果を得た。
  論文  参考訳（メタデータ） (2023-11-22T21:54:02Z)
• Modeling Student Performance in Game-Based Learning Environments [0.0]
  本研究では,教育ゲーム「Jo Wilder and the Capitol Case」の文脈におけるゲーム学習について検討する。 本研究の目的は,学生のパフォーマンスや質問応答の正しさを最も予測できる特徴を特定することである。
  論文  参考訳（メタデータ） (2023-09-23T16:53:07Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Who You Play Affects How You Play: Predicting Sports Performance Using Graph Attention Networks With Temporal Convolution [29.478765505215538]
  本研究では,スポーツにおける選手のパフォーマンスを予測するための新しい深層学習手法であるGATv2-GCNを提案する。 グラフアテンションネットワークを使用して、各プレイヤーが互いに支払うアテンションをキャプチャし、より正確なモデリングを可能にします。 実世界スポーツデータを用いたモデルの性能評価を行い,選手のパフォーマンス予測の有効性を実証した。
  論文  参考訳（メタデータ） (2023-03-29T14:48:51Z)
• Understanding why shooters shoot -- An AI-powered engine for basketball performance profiling [70.54015529131325]
  バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。 パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。 プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
  論文  参考訳（メタデータ） (2023-03-17T01:13:18Z)
• FL Games: A Federated Learning Framework for Distribution Shifts [71.98708418753786]
  フェデレートラーニングは、サーバのオーケストレーションの下で、クライアント間で分散されたデータの予測モデルをトレーニングすることを目的としている。 本稿では,クライアント間で不変な因果的特徴を学習するフェデレーション学習のためのゲーム理論フレームワークFL GAMESを提案する。
  論文  参考訳（メタデータ） (2022-10-31T22:59:03Z)
• Personalized Game Difficulty Prediction Using Factorization Machines [0.9558392439655011]
  コンテンツレコメンデーションからの手法を借りて,ゲームレベルのパーソナライズした難易度推定に寄与する。 我々は、プレイヤーが将来のゲームレベルを通過させるのに必要な試行回数と、他のプレイヤーがプレイする以前のレベルの試行回数に基づいて、難易度を予測することができる。 この結果から,FMはゲームデザイナーがプレイヤー体験を最適化し,プレイヤーとゲームについてより深く学ぶことができる,有望なツールであることが示唆された。
  論文  参考訳（メタデータ） (2022-09-06T08:03:46Z)
• Graph Neural Networks to Predict Sports Outcomes [0.0]
  スポーツに依存しないグラフによるゲーム状態の表現を導入する。 次に、提案したグラフ表現をグラフニューラルネットワークの入力として使用し、スポーツ結果を予測する。
  論文  参考訳（メタデータ） (2022-07-28T14:45:02Z)
• FL Games: A federated learning framework for distribution shifts [71.98708418753786]
  フェデレートラーニングは、サーバのオーケストレーションの下で、クライアント間で分散されたデータの予測モデルをトレーニングすることを目的としている。 本稿では,クライアント間で不変な因果的特徴を学習するためのゲーム理論のフレームワークであるFL Gamesを提案する。
  論文  参考訳（メタデータ） (2022-05-23T07:51:45Z)
• 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)

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。