通过分层场景检测和跟踪来改善电子竞技的观看体验

科学领域:

• 计算机视觉 计算机视觉
• 人与计算机的交互
• 电子竞技技术技术 电子竞技技术

背景情况:

• 电子竞技中的自动观察员旨在通过实时识别和呈现关键时刻来增强观众参与度.
• 基于视觉变压器 (ViT) 的对象检测在识别引人入胜的游戏场景时提供了更高的准确性,用于自动观察.
• 现有的基于ViT的方法可能会导致突然的场景转换,对观众的舒适性和沉浸性产生负面影响.

研究的目的:

• 开发一个自动化的电子竞技观察系统,以平衡场景检测的高准确性和光滑的摄像头转换.
• 为解决由精确但敏感的基于ViT的检测模型引起的频繁和突然场景变化的问题.
• 通过增强的摄像机稳定性和控制来改善自动化电子竞技广播的整体观众体验.

主要方法:

• 利用基于视觉变压器 (ViT) 的对象检测来准确识别引人入胜的电子竞技场景.
• 提出了一种新的等级结构,将场景检测与场景跟踪相结合,以管理转换.
• 通过计算评估了六个观察者模型,重点关注准确性,摄像头稳定性和推断速度.

主要成果:

• 与现有方法相比,拟议的层次模型证明了相机控制的稳定性明显更高.
• 综合检测和跟踪方法保持了高精度,同时确保更顺的场景过渡.
• 用户测试显示,人们更喜欢拟议的模型,而不是仅仅依赖检测的系统.

结论:

• 层次化的方法有效地减轻了自动化电子竞技观测中的突然场景变化,提高了观众的舒适度.
• 将场景跟踪与基于ViT的检测集成为自动化电子竞技广播提供了卓越的解决方案.
• 该方法提高了推断速度和摄像机稳定性,这代表了实时电子竞技制作的重大进步.