mobile off
ABOUT US  |  RESEARCH  |  PUBLICATION   |  COURSE  |  SEMINAR  |  LINKS
Research
Physically-Based Simulation
Fluid Interaction
Fire
Ice and Snow
Water
Smoke
Shell Deformation
User Behavior Analysis
Sentiment Analysis
Outlier Detection
Automatic Player Behavior Analysis
Adaptive Agent Navigation
Crowd Simulation
Graphics Applications
Neuroimage
Artificial Life
3D Geometry Processing
Real domain data visualization
Integral MLS Surface Model
SDF-based Geometry Synthesis
Point-based Geometry and Modeling
Texture Processing
Outlier Detection

1. 연구 개요

초기에 본 연구는 게임 재미의 지표가 되는 몰입도를 분석하기 위해 시작되었다. 게임 플레이를 끝낸 유저를 대상으로 한 설문조사 데이터에 기반하여 학습 시켜 분류기를 만들고 이를 기반으로 몰입도를 예측해 보았다. 이후, 측정 데이터를 세분화하여 유저가 재미, 집중, 몰입, 놀람 등의 반응을 공통적으로 보여주는 특이 행동 구간을 자동으로 도출할 수 있는 방법을 제안하였다. 제안하는 방법은 일반적인 게임 수행 환경에서 비침투적인 방법으로 포착 가능한 게임 플레이어의 특징에 기반을 두어 특이 행동 탐지를 수행한다. 본 연구에서는 카메라를 이용하여 플레이어의 표정과 움직임과 같은 관찰 데이터를 분석한다. 또한, 플레이어의 키보드, 마우스 사용량, 음량 변화 등 게임 플레이어 멀티 모달 데이터를 통해 고차원의 게임 플레이어 데이터를 분석하고 Support Vector Machine을 사용하여 특이 행동 구간을 효율적으로 탐지하였다.






 
 
2. Related publication

[1] 김영빈, 강신진, 김영선, 이상혁, 김창헌, "사용자 움직임 특징의 학습을 이용한 게임 몰입도 측정 시스템," 한국HCI학회 학술대회, 2014.02.

[2] Young Bin Kim, Shin Jin Kang, Sang Hyeok Lee, Jang Young Jung, Hyeong Ryeol Kam, Jung Lee, Young Sun Kim, Joonsoo Lee and Chang Hun Kim, "Efficiently detecting outlying behavior in video-game players," PeerJ, December 2015

ABOUT_US  |  RESEARCH  |  PUBLICATION  |  COURSE  |  SEMINAR  |  LINKS