כתבה
arXiv cs.AI ·
Emoception: שיפור זיהוי התרגשות שחקנים
Emoception: Selective Affective Layer Fine-Tuning of Video Vision Transformers for Player Arousal Change Recognition From Gameplay Footage
Emoception הוא שיטה לשיפור זיהוי התרגשות שחקנים מצילומי משחק. השיטה משתמשת בטכניקת Selective Affective Layer Fine-Tuning (SALFT) כדי לשפר את היכולת לזהות שינויים ברמת ההתרגשות. SALFT מאפשרת לעדכן רק חלק מהפרמטרים, תוך שמירה על ביצועים גבוהים.
תקציר מקורי באנגליתarXiv:2610.07603v1 Announce Type: cross Abstract: This article proposes Selective Affective Layer Fine-Tuning (SALFT), an efficient adaptation framework for Video Vision Transformers in player arousal recognition from gameplay. To bypass computationally expensive full fine-tuning, SALFT introduces a selection criterion based on the L2-norm change in layer parameters after brief adaptation, directly measuring representational shifts and providing a more stable basis than gradient-based alternatives. Evaluated via five-fold cross-validation on the Arousal Video Game AnnotatIoN dataset, SALFT achieves performance comparable to full fine-tuning across all games without statistically significant degradation ($p>0.05$), while updating only $\approx$8% of parameters (over 92% reduction). Notably,
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית