Trong tiếng Phạn, avatar ( अवतार) đề cập đến “một hóa thân trong hình dạng con người.” Trong Roblox, ít thứ phản ánh danh tính của người dùng trực tiếp hơn hình đại diện của họ. Như chúng tôi sẽ khám phá, không có người dùng Roblox “tiêu chuẩn” và sự đa dạng về thẩm mỹ đáng kinh ngạc trong hình đại diện của người dùng phản ánh trực tiếp sự đa dạng của chính cơ sở người dùng.
Đặc điểm hóa hình đại diện (Phương pháp luận)
Nếu chúng ta quan tâm đến tính đa dạng thẩm mỹ, chúng ta cần bắt đầu bằng cách mô tả tính thẩm mỹ của avatar. Nơi tự nhiên nhất để nhìn là hình thu nhỏ hình đại diện 2D thường đại diện cho người dùng với nhau . Để phân tích thẩm mỹ, chúng ta cần biến hình thu nhỏ này thành một biểu diễn số có ý nghĩa về mặt ngữ nghĩa. Có nhiều cách để giảm kích thước, nhưng đây là một vài cách mà chúng ta có thể thử.
Cách tiếp cận đơn giản nhất: áp dụng trực tiếp PCA vào các hình ảnh thu nhỏ được làm phẳng. Để đánh giá “chất lượng” của việc giảm, chúng tôi hình dung các hình thu nhỏ trên các cực của các thành phần chính (PC). Chúng ta có thể thấy rằng trong khi PC đầu tiên phân biệt giữa các loại hình đại diện có thể hiểu được, thì chiếc thứ mười hai lại quá rộng để có thể có ý nghĩa.
PC 1 (14,3% phương sai được giải thích):
PC 12 (1,5% phương sai được giải thích):
2. Gần như đơn giản: chúng ta có thể áp dụng lớp ẩn cuối cùng của mạng phân loại hình ảnh sẵn có (Resnet 18) và đánh giá chất lượng nhúng bằng cách nhóm chúng lại. Quan sát cách Resnet nắm bắt thông tin màu rất hiệu quả (xem tất cả các giày màu xanh trong cụm thứ hai) nhưng đôi khi không mã hóa được thông tin hình dạng (xem cụm đầu tiên).
Các mẫu hình thu nhỏ từ 2 cụm được hiển thị bên dưới:
3. Để có được một cái nhìn trực quan về tính gắn kết, chúng ta có thể áp dụng UMAP để giảm tất cả các nhúng phân loại hình ảnh xuống còn 2 chiều. Mặc dù liều lượng dường như là các cụm có thể nhận thấy rõ ràng, nhưng các đốm màu lớn ở phía dưới bên phải trông đáng ngờ. Đúng như vậy: các mẫu từ megacluster đó không thể kết dính trực quan.
Cốt truyện nhúng 2D:
Các mẫu từ megacluster trong không gian nhúng 2D:
4. Đào tạo một bộ mã tự động biến thể tùy chỉnh nhỏ (VAE) trực tiếp trên dữ liệu hình thu nhỏ. Lý tưởng hơn, điều này nắm bắt tốt hơn sự thay đổi thẩm mỹ độc đáo trong hình đại diện Roblox, so với công cụ phân loại hình ảnh có mục đích chung. (dễ thương sang một bên: K-mean đặc biệt thích hợp để gom nhóm các nhúng này, vì thông thường trước đó của nó khớp với biến ẩn sau của VAE)
Mặc dù có những thước đo có thể cố gắng định lượng lợi ích của các phương pháp tiếp cận khác nhau, nhưng các trường hợp sử dụng thực tế cho việc học tập không có giám sát thường đi đến đánh giá chủ quan. Theo giai thoại, chúng tôi thấy thành công nhất với # 4.
The Avatar Manifold
Sử dụng VAE, chúng ta có thể biến đổi các hình thu nhỏ thành các vectơ 64 chiều ngắn gọn để phân nhóm. Dưới đây là một số ví dụ về các cụm VAE + K-mean từ phân nhóm 20 chiều:
Một số hình đại diện rất tùy chỉnh trong một cụm:
Hình đại diện cao và mỏng, mà chúng tôi gọi là “Rthro” trong một cụm khác:
Hình đại diện lớn và hình khối mà chúng tôi gọi là “Blocky” trong cụm này:
Hình đại diện mặc định ở đây:
Tùy chỉnh nhẹ ở giữa kiểu cơ thể Rthro và Blocky trong cái này:
Thiên thần bóng tối của Roblox
“Nhìn qua đó!”
Khối lập phương màu đen
Tôi tin tôi có thể bay
Tính nhất quán của các cụm qua nhiều lần chạy, khởi tạo ngẫu nhiên và lựa chọn k cho thấy rằng Hình đại diện tự nhiên thuộc các loại riêng biệt (mặc dù mờ). Ở cực điểm của đường viền, chúng ta có các nhân vật “Khối vuông” cổ điển, thân hình vuông đối diện với các hình đại diện “Rthro” cao, gầy, giống như thật hơn. Chúng tôi cũng tìm thấy một số hình đại diện mặc định mà người dùng chưa chỉnh sửa kể từ khi tham gia Roblox (cụm 4 ở trên). Ở giữa, có mọi thứ từ “ninja goth” đến “đi câu lạc bộ”.
Nhận dạng thông qua hình đại diện
Làm thế nào để các cụm thẩm mỹ này liên quan đến chính người dùng của chúng tôi?
Nơi dễ dàng nhất để bắt đầu là hành vi của người dùng trên nền tảng. Khi lập biểu đồ chỉnh sửa hình đại diện trong tháng trước, tuổi tài khoản tính theo tuần, tổng số giây thời gian chơi và tỷ lệ giữ chân một tháng theo cụm – chỉ số tương tác – chúng tôi được trình bày với bốn biểu đồ thể hiện sự thay đổi đáng kể giữa các cụm. Người dùng có hình đại diện được tùy chỉnh nhiều có xu hướng tương tác nhiều nhất và được giữ lại thường xuyên nhất, trong khi những hình đại diện chưa được tùy chỉnh nhiều có xu hướng ít tương tác hơn.
Có hai cách giải thích nhân quả trái ngược nhau về điều này. Một là những người dùng chỉnh sửa hình đại diện của họ trở nên gắn bó hơn với Roblox. Điều khác có thể là những người dùng đã đầu tư vào Roblox có xu hướng đổ nhiều công sức hơn vào ảnh đại diện của họ khi thời gian trôi qua. Những người khác tại Roblox đã có nhiều công sức xác định cách giải thích nào nên tin .
Bất kể quan hệ nhân quả, chúng ta thấy rằng hai khía cạnh của bản sắc trên nền tảng – đại diện thẩm mỹ và mức độ tương tác – gắn bó chặt chẽ với nhau. Tuy nhiên, điều gì về nhận dạng ngoài nền tảng? Làm cách nào để các số nhận dạng trong đời thực của người dùng – tuổi, địa lý, giới tính, v.v. – giao với các thông tin nhận dạng Roblox của họ? Hãy xem Phần 2 của bài đăng trên blog này để tìm hiểu!
Nameer Hirschkind là Thực tập sinh Khoa học Dữ liệu tại Roblox. Anh ấy làm việc trên Hình đại diện của Roblox để giúp mọi người chơi tạo Hình đại diện mà họ yêu thích. Cả Roblox Corporation và blog này đều không xác nhận hoặc hỗ trợ bất kỳ công ty hoặc dịch vụ nào. Ngoài ra, không có đảm bảo hoặc hứa hẹn nào được đưa ra về tính chính xác, độ tin cậy hoặc tính đầy đủ của thông tin có trong blog này.
Bình luận về post