En sanskrit, avatar () fait référence à « une incarnation sous forme humaine ». Dans Roblox, peu de choses reflètent l’identité d’un utilisateur plus directement que son avatar. Comme nous le découvrirons, il n’y a pas d’utilisateur Roblox « standard », et la variété esthétique fantastique des avatars de nos utilisateurs reflète directement la diversité de la base d’utilisateurs elle-même.
Caractérisation des avatars (méthodologie)
Si l’on s’intéresse à la diversité esthétique, il faut commencer par caractériser l’esthétique des avatars. L’endroit le plus naturel pour regarder est la vignette d’avatar 2D qui représente souvent les utilisateurs les uns pour les autres. Pour l’analyse esthétique, nous devons transformer cette vignette en une représentation numérique sémantiquement significative. Il existe de nombreuses façons de réduire la dimensionnalité, mais en voici quelques-unes que nous pouvons essayer.
- L’approche la plus simple : appliquer directement APC aux images miniatures aplaties. Pour évaluer la « qualité » de la réduction, nous visualisons des vignettes sur les extrêmes des composantes principales (PC). On peut voir que si le premier PC distingue les types d’avatars interprétables, le douzième est trop large pour avoir un sens.
CP 1 (14,3 % de la variance expliquée) :
CP 12 (1,5% de la variance expliquée) :
2. Presque aussi simple : nous pouvons appliquer la dernière couche cachée d’un réseau de classification d’images pré-entraîné (Resnet 18) et évaluer la qualité de l’intégration en les regroupant. Observez comment Resnet capture très efficacement les informations de couleur (voir toutes les chaussures bleues dans le deuxième groupe) mais échoue parfois à encoder les informations de forme (voir le premier groupe).
Des exemples de miniatures de 2 clusters sont présentés ci-dessous :
3. Pour obtenir une lecture visuelle de la cohésion, nous pouvons appliquer UMAP pour réduire les plongements de classification d’image jusqu’à 2 dimensions. Bien qu’il semble y avoir des grappes discernables, la grande goutte de points en bas à droite semble suspecte. À juste titre : les échantillons de ce mégacluster sont visuellement incohérents.
Tracé d’insertion 2D :
Exemples du mégacluster dans l’espace embarqué 2D :
4. Formation d’un petit autoencodeur variationnel personnalisé (VAE) directement sur les données de vignette. Idéalement, cela capture mieux la variation esthétique unique des avatars Roblox, par rapport à un classificateur d’images à usage général. (c’est mignon: K-means est particulièrement approprié pour regrouper ces plongements, car son a priori normal correspond à la variable latente postérieure de la VAE)
Bien qu’il existe des mesures qui peuvent tenter de quantifier les avantages de différentes approches, les cas d’utilisation pratique de l’apprentissage non supervisé se résument souvent à un jugement subjectif. Pour l’anecdote, nous trouvons le plus de succès avec #4.
Le collecteur d’avatar
En utilisant le VAE, nous pouvons transformer les vignettes en vecteurs succincts à 64 dimensions pour le regroupement. Voici quelques exemples de clusters VAE + K-means issus d’un clustering à 20 voies :
Quelques avatars très personnalisés dans un cluster :
Avatars grands et minces, que nous appelons « Rthro » dans un autre groupe :
Avatars volumineux et en blocs que nous appelons « Blocky » dans ce cluster :
Avatars par défaut ici :
Légèrement personnalisé entre les types de corps Rthro et Blocky dans celui-ci :
Les anges noirs de Roblox
“Regarde là-bas!”
Le cube noir
Je crois que je peux voler
La cohérence des clusters sur plusieurs exécutions, les initialisations aléatoires et les choix de k suggèrent que les avatars tombent naturellement dans des catégories distinctes (bien que floues). Aux extrémités du contour, nous avons les personnages « Blocky » à l’ancienne et au corps carré face aux avatars « Rthro » grands, minces et plus réalistes. Nous trouvons également un certain nombre d’avatars par défaut, que les utilisateurs n’ont pas modifiés depuis qu’ils ont rejoint Roblox (cluster 4 ci-dessus). Entre les deux, il y a tout, des « ninjas gothiques » aux « sorties en boîte ».
Identité par Avatar
Comment ces clusters esthétiques se rapportent-ils à nos utilisateurs eux-mêmes ?
Le point de départ le plus simple est le comportement des utilisateurs sur la plate-forme. Lors du traçage des modifications apportées à l’avatar au cours du dernier mois, de l’âge du compte en semaines, du nombre total de secondes de jeu et de la rétention d’un mois par cluster (indicateurs d’engagement), nous sommes présentés avec quatre graphiques qui démontrent spectaculaire variation entre les clusters. Les utilisateurs avec des avatars fortement personnalisés ont tendance à être les plus engagés et les plus fréquemment retenus, tandis que les avatars qui n’ont pas été aussi fortement personnalisés ont tendance à être moins engagés.
Il y a deux interprétations causales opposées de cela. L’un est que les utilisateurs qui modifient leur avatar deviennent plus engagés avec Roblox en conséquence. L’autre pourrait être que les utilisateurs qui sont déjà investis dans Roblox ont tendance à consacrer plus d’efforts à leurs avatars au fil du temps. Il y a eu un excellent travail par d’autres chez Roblox déterminer quelle interprétation croire.
Indépendamment de la causalité, nous voyons que deux aspects de l’identité sur la plate-forme – la représentation esthétique et le niveau d’engagement – sont étroitement liés. Qu’en est-il de l’identité hors plate-forme, cependant? Comment les identifiants réels de nos utilisateurs (âge, géographie, sexe, etc.) se croisent-ils avec leurs identités Roblox ? Consultez la partie 2 de cet article de blog pour le découvrir!
Nameer Hirschkind est stagiaire en science des données chez Roblox. Il travaille sur la boutique Avatar pour s’assurer que son économie est saine et prospère. Ni Roblox Corporation ni ce blog n’approuvent ou ne soutiennent une entreprise ou un service. De plus, aucune garantie ou promesse n’est faite concernant l’exactitude, la fiabilité ou l’exhaustivité des informations contenues dans ce blog.
© 2021 Roblox Corporation. Roblox, le logo Roblox et Powering Imagination font partie de nos marques déposées et non déposées aux États-Unis et dans d’autres pays.
