随着2022卡塔尔世界杯的连续爆冷，观众对其VAR（视频助理裁判）的热议甚嚣尘上。除了传统竞技领域中引进了先进技术的支持，另一个正在崛起的电子竞技领域也将拥有高科技电子裁判。
电子竞技领域目前市值十亿美元，其中很关键的一节则是人工裁判，这些裁判控制着镜头画面的展示，他们也被称之为“导播、观察员”，他们通过观察，向观众展示游戏屏幕上最吸引人的部分，但人工裁判很可能会错过多个屏幕上同时发生的重要事件，无法估计全局。
因此，对人工智能导播的需求增加了。人工观察方法可以是基于规则的，也可以是基于学习的。它们都预先定义了事件及其重要性，因此需要广泛的领域知识。此外，它们不能捕捉到未定义的事件，也不能识别事件重要性的变化。
最近，由光州科技学院副教授金敬忠博士领导的韩国研究人员提出了一种解决这些问题的方法。金博士解释说：“我们已经建立了一个使用目标检测算法的自动观察者，即掩模R-CNN，来学习人类的观察数据。”。他们的研究结果于2022年10月10日在《华尔街日报》上发表具有应用程序的专家系统。
新颖之处在于将物体定义为观众所看到的二维空间区域。相比之下，传统的目标检测将单个单元（例如，工人或建筑）视为对象。在这项研究中，研究人员首先收集了《星际争霸》游戏中25名参与者的人体观察数据。
接下来，观众看到的视窗区域被识别并标记为“一”，屏幕的其余部分被填充为“零”。当游戏中的特征被用作输入数据时，人类的观察构成了目标信息。
研究人员随后将数据输入卷积神经网络美国有线电视新闻网（CNN），它学习了观察窗口的模式，找到了“共同感兴趣的区域”（ROCI）——观众最感兴趣的区域。然后，他们将ROCI掩模R-CNN方法与其他现有方法进行了定量和定性的比较。
前一个评估显示CNN的预测视角与收集到的人类观测数据相似。此外，在综合测试中，基于ROCI的方法在涉及不同比赛、起始位置和播放地图的综合测试中表现优于其他方法。拟议中的观察者能够捕捉到人类感兴趣的场景。相反，通过行为克隆一种模仿学习技术是无法做到的。
金博士指出了他们工作的未来应用。“该框架可以应用于其他代表整体游戏状态的游戏，而不仅仅是星际争霸。随着电子竞技中多屏传输等服务的不断增长，拟议中的自动观察者将在这些可交付成果中发挥作用。它还将积极用于未来开发的其他内容。”
参考链接：Learning to automatically spectate games for Esports using object detection mechanism；Demi Xia编译
最前沿的电子设计资讯
