arXiv cs.AI· Yi Xia, Ibrahim Khan, Mury Fajar Dewantoro, Wenwen Ouyang, Ruck Thawonmas·· 10 天前AI 评分22
Emoception：面向游戏画面玩家唤醒度变化识别的视频 Vision Transformer 选择性情感层微调
Emoception: Selective Affective Layer Fine-Tuning of Video Vision Transformers for Player Arousal Change Recognition From Gameplay Footage
AI 导读
研究提出选择性情感层微调（SALFT），一种面向视频 Vision Transformer 的玩家唤醒度识别高效适配框架，仅更新约 8% 参数（减少超 92%），在 Arousal Video Game AnnotatIoN 数据集五折交叉验证中性能与全量微调相当且无统计显著下降（p>0.05）。
正文 · AI 翻译
摘要：本文提出了选择性情感层微调（SALFT），一种用于游戏玩法中玩家唤醒度识别的视频视觉 Transformer 高效适配框架。为绕过计算代价高昂的全量微调，SALFT 引入了一种基于短暂适配后层参数 L2 范数变化的选择准则，直接度量表征偏移，相比基于梯度的替代方案提供了更稳定的依据。在 Arousal Video Game AnnotatIoN 数据集上通过五折交叉验证评估，SALFT 在所有游戏上均达到与全量微调相当的性能，且无统计显著退化（$p>0.05$），同时仅更新约 8% 的参数（减少超过 92%）。值得注意的是，在其中一款游戏中，SALFT 在所有指标和折次上均持续优于全量微调和最佳基线，达到理论最小 p 值（p=0.0625，精确双侧 Wilcoxon 符号秩检验）。此外，我们引入了一种可解释性方法来追踪注意力模式，增强模型透明度。这些结果确立了 SALFT 作为情感游戏计算中一种有效且高效的方法。
| 学科： | 人机交互（cs.HC）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2610.07603 [cs.HC] |
| （或 arXiv:2610.07603v1 [cs.HC] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07603 arXiv 颁发的 DOI 通过 DataCite（待注册） |
|
| 期刊 参考： | IEEE Transactions on Games, vol. 18, no. 2, pp. 393-403, June 2026 |
| 相关 DOI： | https://doi.org/10.1109/TG.2026.3691772
链接到相关资源的 DOI |
提交历史
来自：Yi Xia [查看邮箱]
[v1]
2026年10月6日星期二 01:45:47 UTC（7,281 KB）
来源：arXiv cs.AI · arxiv.org