V sanskrtu, avatar () označuje „inkarnaci v lidské podobě“. V Robloxu jen málo věcí odráží identitu uživatele příměji než jeho avatar. Jak zjistíme, neexistuje nic takového jako „standardní“ uživatel Robloxu a fantastická estetická rozmanitost našich uživatelských avatarů přímo odráží rozmanitost samotné uživatelské základny.
Charakterizace avatarů (metodika)
Pokud nás zajímá estetická rozmanitost, musíme začít charakterizací estetiky avatarů. Nejpřirozenějším místem k prohlížení je miniatura 2D avatara, která často představuje uživatele navzájem. Pro estetickou analýzu musíme tuto vinětu transformovat na sémanticky smysluplnou digitální reprezentaci. Existuje mnoho způsobů, jak snížit dimenzi, ale zde je několik, které můžeme vyzkoušet.
- Nejjednodušší přístup: aplikujte přímo APC na zploštělé miniaturní obrázky. Abychom posoudili „kvalitu“ redukce, vizualizujeme miniatury extrémů hlavních komponent (PC). Vidíme, že pokud první počítač rozlišuje typy interpretovatelných avatarů, dvanáctý je příliš velký na to, aby dával smysl.
CP 1 (14,3% vysvětleného rozptylu):
CP 12 (1,5% vysvětleného rozptylu):
2. Téměř tak jednoduché: můžeme použít poslední skrytou vrstvu předem vycvičené sítě klasifikace obrázků (Resnet 18) a posoudit kvalitu integrace jejich seskupením. Sledujte, jak Resnet velmi efektivně zachycuje informace o barvách (viz všechny modré boty ve druhé skupině), ale někdy nedokáže kódovat informace o tvaru (viz první skupina).
Níže jsou uvedeny příklady miniatur 2 klastrů:
3. Abychom získali soudržnost vizuálně, můžeme použít UMAP, abychom zmenšili vložení klasifikace obrázků až na 2 dimenze. Ačkoli se zdá, že existují rozpoznatelné shluky, velká kapka bodů vpravo dole vypadá podezřele. Správně: vzorky v tomto megaklastru jsou vizuálně nekonzistentní.
2D vkládací cesta:
Příklady megaklastru ve 2D palubním prostoru:
4. Školení malého vlastního variačního autoenkodéru (VAE) přímo na datech miniatur. V ideálním případě to lépe zachycuje jedinečnou estetickou variaci avatarů Roblox ve srovnání s obecným klasifikátorem obrazu. (je to roztomilé: K-means je zvláště vhodný pro seskupení těchto vložení, protože jeho normální a priori odpovídá pozdější latentní proměnné VAE)
I když existují metriky, které se mohou pokusit kvantifikovat výhody různých přístupů, praktické případy použití učení bez dozoru se často omezují na subjektivní úsudek. Pro záznam, najdeme největší úspěch s # 4.
Sběratel Avatara
Pomocí VAE můžeme z miniatur udělat 64dimenzionální stručné vektory pro seskupení. Zde je několik příkladů klastrů VAE + K-means vyplývajících z 20cestného klastrování:
Některé velmi personalizované avatary v klastru:
Vysokí a tencí avataři, kterým v jiné skupině říkáme „Rthro“:
Velké a hranaté avatary, kterým v tomto klastru říkáme „hranaté“:
Výchozí avatary zde:
Mírně přizpůsobený mezi typy těles Rthro a Blocky v tomto:
Temní andělé Robloxe
"Podívej se tam!"
Černá kostka
Věřím, že mohu létat
Konzistence klastrů během několika poprav, náhodné inicializace a volby k naznačují, že avatary přirozeně spadají do odlišných (byť fuzzy) kategorií. Na koncích obrysu máme staromódní, hranaté postavy „Blocky“ postavené tváří v tvář vysokým, tenkým a realističtějším avatarům „Rthro“. Našli jsme také řadu výchozích avatarů, které uživatelé od připojení k Robloxu (cluster 4 výše) nezměnili. Mezi tím je vše od „gotických ninjů“ po „klubování“.
Totožnost podle Avatara
Jak tyto estetické klastry souvisejí se samotnými našimi uživateli?
Nejjednodušším výchozím bodem je chování uživatelů na platformě. Při sledování změn avataru za poslední měsíc, stáří účtu v týdnech, celkových sekundách hry a udržení jednoho měsíce na klastr (metriky zapojení) se nám zobrazují čtyři grafy, které ukazují spektakulaire variace mezi klastry. Uživatelé s vysoce personalizovanými avatary bývají nejvíce angažovaní a nejčastěji pamatovaní, zatímco avatary, které nebyly tak silně personalizované, bývají méně angažované.
Existují dvě protichůdné kauzální interpretace tohoto. Jedním z nich je, že uživatelé, kteří změní svého avatara, se díky tomu začnou více zabývat Robloxem. Druhým důvodem může být, že uživatelé, kteří jsou již do Robloxu investováni, mají tendenci věnovat více času svým avatarům. U Roblox odvedli ostatní skvělou práci určit, kterému výkladu věřit.
Bez ohledu na příčinnou souvislost vidíme, že dva aspekty identity na platformě - estetická reprezentace a úroveň zapojení - spolu úzce souvisejí. A co identita mimo platformu? Jak se skutečné identifikátory našich uživatelů (věk, geografie, pohlaví atd.) Protínají s jejich identitami Roblox? Podívejte se na část 2 tohoto příspěvku na blogu a zjistěte to!
Nameer Hirschkind je stážistou datové vědy ve společnosti Roblox. Pracuje v obchodě Avatar, aby se ujistil, že jeho ekonomika je zdravá a prosperující. Společnost Roblox Corporation ani tento blog neschvaluje ani nepodporuje žádné podnikání ani služby. Kromě toho nejsou poskytovány žádné záruky ani sliby týkající se přesnosti, spolehlivosti nebo úplnosti informací obsažených v tomto blogu.
© 2021 Roblox Corporation. Roblox, logo Roblox a Powering Imagination patří mezi naše registrované a neregistrované ochranné známky ve Spojených státech a dalších zemích.
