Predicting Quality of Video Gaming Experience Using Global-Scale Telemetry Data and Federated Learning

要約

フレームあたりのフレーム（FPS）は、ゲームエクスペリエンスに大きく影響します。
プレーヤーにプレーヤーとゲーム開発者の両方の利益をもたらす前に、プレーヤーに正確なFPSの見積もりを提供します。
ただし、特定のデバイスでゲームのFPSパフォーマンスを予測する方法についての理解は限られています。
この論文では、まず、グローバルスケールデータセットのゲームFPSに影響を与える可能性のある幅広い要因の包括的な分析を実施して、FPSの決定要因を特定します。
これには、プレーヤー側とゲーム側の特性、および国レベルの社会経済統計が含まれます。
さらに、正確なFPS予測には、プライバシーの懸念を引き起こす広範なユーザーデータが必要であることを認識すると、ユーザーのプライバシーを確​​保するために連邦学習ベースのモデルを提案します。
各プレイヤーとゲームには、精度が向上するために潜在的な機能を徐々に抽出するユニークな学習可能な知識カーネルが割り当てられます。
また、これらのカーネルが動的にプラグアンドプレイできるようにする新しいトレーニングと予測スキームを紹介し、コールドスタートの問題に効果的に対処します。
このモデルを最小限のバイアスでトレーニングするために、224か国と地域、100,000人のユーザー、835ゲームから大きなテレメトリデータセットを収集しました。
私たちのモデルは、予測された真理FPS分布とグラウンドトゥルースFPS分布の間で0.469の平均波線距離を達成し、すべてのベースラインメソッドを上回りました。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google