云游戏中的体验质量 (QoE):通过虚拟现实环境中的面部情绪对深度学习技术的比较分析

科学领域:

• 计算机科学 计算机科学
• 人与计算机的交互
• 人工智能的人工智能

背景情况:

• 云游戏提供了可访问的游戏方式,但在准确测量用户体验质量 (QoE) 方面面临挑战.
• 传统的QOE评估方法是不可靠的,因为用户反和未满足的服务水平协议 (SLA) 期望不一致.
• 准确的QOE测量对于云服务提供商来说至关重要,以提高用户满意度.

研究的目的:

• 评估一种新的深度学习 (DL) 技术,即EmotionNET,用于在虚拟现实 (VR) 环境中使用玩家面部表情评估云游戏QOE.
• 将EmotionNET的性能与其他DL模型进行比较,包括ConvoNEXT,EfficientNET和Vision Transformer (ViT).
• 调查不同网络条件 (WiFi和移动数据) 中面部表情和QoE之间的相关性.

主要方法:

• 开发和训练了EmotionNET模型,一个卷积神经网络 (CNN) 架构,在VR云游戏时的玩家面部表情的定制数据集上.
• 使用相同的数据集,比较了EmotionNET与ConvoNEXT,EfficientNET和Vision Transformer (ViT) 的性能.
• 通过对代表WiFi和移动数据网络条件的数据集进行测试,验证了EmotionNET的有效性.

主要成果:

• EmotionNET实现了高精度,培训精度为98.9%,验证精度为87.8%.
• 与ConvoNEXT,EfficientNET和视觉转换器 (ViT) 相比,EmotionNET表现出更好的预测和性能.
• 面部表情分析显示,在不同类型的网络中,与实际用户的 QoE 有很强的相关性.

结论:

• 通过分析玩家面部表情,EmotionNET提供了一种可靠和准确的方法来评估云游戏QOE.
• 基于深度学习的面部表情分析为传统,不太可靠的QOE评估方法提供了一个有希望的替代方案.
• 这些发现突出了使用情感计算来增强云游戏服务和用户体验的潜力.