Εξαγωγή χαρακτηριστικών καρέ από ακολουθίες βίντεο με παίκτες Super Mario

Σωτηρόπουλος, Δημήτριος; Sotiropoulos, Dimitrios

dc.contributor.author	Σωτηρόπουλος, Δημήτριος	el
dc.contributor.author	Sotiropoulos, Dimitrios	en
dc.date.accessioned	2016-10-31T11:21:46Z
dc.date.available	2016-10-31T11:21:46Z
dc.date.issued	2016-10-31
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/43946
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.13831
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Eπεξεργασία βίντεο	el
dc.subject	Xαρακτηριστικά καρέ	el
dc.subject	Bιντεοπαιχνίδια	el
dc.subject	Μοντελοποίηση εμπειρίας παίκτη	el
dc.subject	Οπτικές αντιδράσεις	el
dc.subject	Video processing	en
dc.subject	Player experience modeling	en
dc.subject	Characteristic frames	en
dc.subject	Videogames	en
dc.subject	Visual cues	en
dc.title	Εξαγωγή χαρακτηριστικών καρέ από ακολουθίες βίντεο με παίκτες Super Mario	el
heal.type	bachelorThesis
heal.classification	Αλληλεπίδραση ανθρώπου-υπολογιστή	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-10-13
heal.abstract	Στη συγκεκριμένη διπλωματική εργασία, επεξεργαζόμαστε βίντεο από ανθρώπους που παίζουν Super Mario, σε συνδυασμό με τα δεδομένα από το ίδιο το παιχνίδι, ώστε να εντοπίσουμε στιγμιότυπα από κάθε βίντεο, τα οποία να δίνουν ένδειξη του αν ο παίκτης είναι ικανοποιημένος ή όχι από τη συγκεκριμένη πίστα, αν αυτή του προκαλεί εκνευρισμό ή βαρεμάρα και αν το επίπεδο πρόκλησης είναι αρκετό, ώστε να μπορέσουμε να παράγουμε με δυναμικό/συναρτησιακό τρόπο πίστες που να έχουν αρκετές πιθανότητες να ταιριάζουν με τις ικανότητες και τη διάθεση του συγκεκριμένου παίκτη. Παράγοντας τα χαρακτηριστικά καρέ, χρησιμοποιούμε στρατηγικές crowdsourcing για να πάρουμε χαρακτηρισμούς για το τι δείχνει καθένα από αυτά από ανώνυμους χρήστες και χρησιμοποιούμε αυτούς του χαρακτηρισμούς για να προβλέψουμε την εμπειρία παίκτη σε κάθε περίπτωση.	el
heal.abstract	Extracting feature frames from a video sequence is a very important sector in research and development, since it makes it possible for us to quickly and automatically produce a video synopsis consisting of a few pictures or characterize it based on index terms that are of interest to us. On most occasions, this is achieved by using low level features, like color or movement and searching for frames of minimum correlation to the rest (so that they essentially are different to the rest of the sequence). In this thesis, we are processing videos from people that are playing Super Mario, combined with data from the game itself, in order to find instances in each video that indicate whether the player is satisfied with that particular level or not, if the level causes frustration or boredom and if the challenge level is sufficient, so that we can produce levels that have a good chance to fit the mood and skills of each player, in a dynamic/functional way. After extracting the characteristic frames, we are using crowdsourcing techniques to obtain characterizations on what each one of them (from anonymous users) shows and we use these characterizations to predict player experience in each case.	en
heal.advisorName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Καρπούζης, Κωνσταντίνος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	97 σ.
heal.fullTextAvailability	true