論文の概要: Games Are Not Equal: Classifying Cloud Gaming Contexts for Effective User Experience Measurement
- arxiv url: http://arxiv.org/abs/2509.19669v1
- Date: Wed, 24 Sep 2025 01:02:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-25 20:53:19.64847
- Title: Games Are Not Equal: Classifying Cloud Gaming Contexts for Effective User Experience Measurement
- Title（参考訳）: ゲームは平等ではない - 効果的なユーザエクスペリエンス測定のためのクラウドゲームコンテキストの分類
- Authors: Yifan Wang, Minzhao Lyu, Vijay Sivaraman,
- Abstract要約: ネットワークトラフィックを分析し,クラウドゲーム体験をリアルタイムに計測する手法を提案する。
本手法は,ゲーム開始から5秒以内にゲームタイトルを分類することができる。
このリージョンのNVIDIAクラウドゲームサーバをホストするISPにデプロイしています。
- 参考スコア（独自算出の注目度）: 4.836948825142895
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To tap into the growing market of cloud gaming, whereby game graphics is rendered in the cloud and streamed back to the user as a video feed, network operators are creating monetizable assurance services that dynamically provision network resources. However, without accurately measuring cloud gaming user experience, they cannot assess the effectiveness of their provisioning methods. Basic measures such as bandwidth and frame rate by themselves do not suffice, and can only be interpreted in the context of the game played and the player activity within the game. This paper equips the network operator with a method to obtain a real-time measure of cloud gaming experience by analyzing network traffic, including contextual factors such as the game title and player activity stage. Our method is able to classify the game title within the first five seconds of game launch, and continuously assess the player activity stage as being active, passive, or idle. We deploy it in an ISP hosting NVIDIA cloud gaming servers for the region. We provide insights from hundreds of thousands of cloud game streaming sessions over a three-month period into the dependence of bandwidth consumption and experience level on the gameplay contexts.
- Abstract（参考訳）: 成長を続けるクラウドゲーム市場に参入するために、ゲームグラフィックスをクラウドでレンダリングし、ビデオフィードとしてユーザーにストリームすることで、ネットワークオペレーターは、ネットワークリソースを動的にプロビジョニングする収益性保証サービスを作成している。
しかし,クラウドゲームユーザエクスペリエンスを正確に測定することなく,プロビジョニング手法の有効性を評価することはできない。
帯域幅やフレームレートなどの基本的な測度は十分ではなく、ゲームやゲーム内のプレイヤーの活動の文脈でしか解釈できない。
本稿では,ゲームタイトルやプレイヤアクティビティステージなどのコンテキスト要因を含むネットワークトラフィックを分析し,リアルタイムなクラウドゲーム体験の測定方法を提案する。
本手法では,ゲーム開始から5秒以内にゲームタイトルを分類し,プレイヤーの活動段階をアクティブ,パッシブ,アイドルと連続的に評価することができる。
このリージョンのNVIDIAクラウドゲームサーバをホストするISPにデプロイしています。
3ヶ月にわたる数十万のクラウドゲームストリーミングセッションから、ゲームプレイコンテキストにおける帯域消費と経験レベルの依存性に関する洞察を提供する。
関連論文リスト
- CognitionNet: A Collaborative Neural Network for Play Style Discovery in Online Skill Gaming Platform [6.665636945186558]
本稿では,2段階のディープニューラルネットワークであるCognitionNetを提案する。
第1段階は、潜在空間におけるクラスタ表現としてのゲーム動作のマイニングに焦点を当てている。
2つ目は、これらのマイクロパターンを集約して、プレイスタイルを見つけます。
論文 参考訳（メタデータ） (2025-05-01T05:51:19Z) - GAMIVAL: Video Quality Prediction on Mobile Cloud Gaming Content [30.96557290048384]
我々はGAMIVAL(Gaming Video Quality Evaluator)と呼ばれるゲーム固有のNR VQAモデルを開発した。
サポートベクタ回帰(SVR)を回帰器として使用するGAMIVALは,新たなLIVE-Meta Mobile Cloud Gaming(LIVE-Meta MCG)ビデオ品質データベースにおいて,優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2023-05-03T20:29:04Z) - Boundary-Denoising for Video Activity Localization [57.9973253014712]
本稿では,映像活動のローカライゼーション問題について,認知的視点から検討する。
具体的には,DenoiseLocというエンコーダデコーダモデルを提案する。
実験によると、DenoiseLocはいくつかのビデオアクティビティ理解タスクで%前進している。
論文 参考訳（メタデータ） (2023-04-06T08:48:01Z) - Measuring and Estimating Key Quality Indicators in Cloud Gaming services [0.34410212782758043]
ゲーム産業は、還元ハードウェアデバイスにおけるゲームエクスペリエンスを改善するパラダイムであるCloud Gamingの概念を提案している。
本稿では,Cloud Gamingサービスの主要なE2Eメトリクス,すなわちKQIを計測し,推定するためのフレームワークを提案する。
異なる機械学習技術は、Cloud Gamingユーザエクスペリエンスに関連するKQIを予測するために評価される。
論文 参考訳（メタデータ） (2022-12-28T19:22:39Z) - Real-time Object Detection for Streaming Perception [84.2559631820007]
ストリーミング知覚は,ビデオオンライン知覚の1つの指標として,レイテンシと精度を共同評価するために提案される。
ストリーミング知覚のためのシンプルで効果的なフレームワークを構築します。
提案手法はArgoverse-HDデータセット上での競合性能を実現し,強力なベースラインに比べてAPを4.9%向上させる。
論文 参考訳（メタデータ） (2022-03-23T11:33:27Z) - Temporally-Aware Feature Pooling for Action Spotting in Soccer
Broadcasts [86.56462654572813]
私たちは、サッカーの試合の主なアクションを一時的にローカライズするサッカー放送におけるアクションスポッティングの分析に焦点を当てています。
時間的知識を組み込んだNetVLAD++という,NetVLADに基づく新たな機能プーリング手法を提案する。
我々は最近の大規模データセット SoccerNet-v2 の方法論をトレーニングし、評価し、アクションスポッティングのための平均平均mAP 53.4% に達した。
論文 参考訳（メタデータ） (2021-04-14T11:09:03Z) - 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) - A Prospective Study on Sequence-Driven Temporal Sampling and Ego-Motion
Compensation for Action Recognition in the EPIC-Kitchens Dataset [68.8204255655161]
行動認識はコンピュータビジョンにおける最上位の研究分野の一つである。
エゴモーション記録シーケンスは重要な関連性を持つようになった。
提案手法は,このエゴモーションやカメラの動きを推定して対処することを目的としている。
論文 参考訳（メタデータ） (2020-08-26T14:44:45Z) - 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。