Avatars und Identität im Metaversum, Teil 1

In Sanskrit bedeutet Avatar (अवतार) „eine Wiedergeburt in menschlicher Form“. Bei Roblox spiegelt nichts die Identität der Benutzer:innen so direkt wieder wie ihr Avatar. Wie wir sehen werden, gibt es keine „Standard“-Roblox-Benutzer:innen und die fantastische ästhetische Vielfältigkeit der Avatare reflektiert die Diversität unserer Benutzer:innen.

Charakterisierung der Avatare (Methodologie)

Wenn wir uns für ästhetische Diversität interessieren, müssen wir bei der Charakterisierung der Avatar-Ästhetik beginnen. Der natürlichste Ort dies zu untersuchen ist die 2D-Avatar-Miniaturansicht, die oft Benutzer:innen repräsentiert. Für die ästhetische Analyse müssen wir diese Miniaturansicht in semantisch bedeutsame numerische Repräsentationen umwandeln. Es gibt viele Möglichkeiten, die Dimensionalität zu verringern – hier sind ein paar, die wir ausprobieren können.

1. Die einfachste Herangehensweise: direkte Anwendung von HKA (Hauptkomponentenanalyse) auf die Miniaturansichten. Um die „Qualität“ der Reduzierung zu beurteilen, veranschaulichen wir Miniaturansichten auf den Extremen der Hauptkomponenten. Wir können sehen, dass die erste Hauptkomponente zwischen interpretierbaren Arten von Avataren unterscheidet; die zwölfte ist jedoch zu vielseitig, um aussagekräftig zu sein.
   

Hauptkomponente 1 (14,3 % Varianz erklärt):

Hauptkomponente 12 (1,5% Varianz erklärt):

2. Fast genauso einfach: Wir können die letzte versteckte Schicht eines serienmäßigen vortrainierten Bildklassifizierungsnetzwerks (Resnet 18) anwenden und die Einbettungsqualität durch Cluster (Gruppierungen) bewerten. Hier können wir beobachten, wie Resnet sehr effektiv Farbinformationen erfasst (wie all die blauen Schuhe im zweiten Cluster), aber manchmal Forminformationen nicht codieren kann (siehe erstes Cluster).

Beispiele von Miniaturansichten zweier Cluster sind unten zu sehen:

3. Um ein visuelles Signal über Kohäsion zu erlangen, können wir UMAP anwenden, um die Bildklassifizierungseinbettungen auf zwei Dimensionen zu reduzieren. Zwar scheint es erkennbare Cluster zu geben, aber die große Ansammlung an Punkten unten rechts sieht recht verdächtig aus. Und zwar zu Recht: die Stichproben von diesem Megacluster sind virtuell uneinheitlich.

2D-Einbettungsdarstellung:

Stichproben von diesem Megacluster im 2D-eingebetteten Raum:

4. Das Trainieren eines kleinen benutzerdefinierten Variational Autoencoders (VAE) direkt mit den Miniaturansichtsdaten. Idealerweise erfasst dies die einzigartige ästhetische Variation in Roblox-Avataren besser als generelle Bildklassifizierer. (Bemerkung am Rande: K-Means funktioniert besonders gut für die Clusteranalyse dieser Einbettungen, da der normale Prior mit dem latenten variablen Posterior übereinstimmt.)

Obwohl es Metriken gibt, mit denen versucht werden kann, die Vorteile der verschiedenen Herangehensweisen zu quantifizieren, belaufen sich praktische Anwendungsfälle häufig auf subjektive Beurteilung. Anekdotisch sind wir mit Nummer 4 am erfolgreichsten.

Die Avatar-Mannigfaltigkeit

Unter Anwendung von VAE können wir die Miniaturansichten in bündige 64-dimensionale Vektoren für das Clustering umwandeln. Hier sind ein paar Beispiele von VAE + K-Means Cluster von einem 20-fachen Clustering:

Einige sehr benutzerdefinierte Avatare in einem Cluster:

Große, dünne Avatare, die wir „Rthro“ nennen, in einem anderen Cluster:

Große, blockige Avatare, die wir „Blocky“ nennen, in diesem Cluster:

Standard-Avatare hier:

Leicht benutzerdefinierte Avatare zwischen Rthro- und Blocky-Körperart in diesem:

Dunkle Engel von Roblox

„Sieh mal da!“

Der schwarze Würfel

I Believe I Can Fly

Die Konsistenz der Cluster über mehrere Ausführungen, zufällige Initialisierungen und Wahlen von k legt nahe, dass Avatare natürlich in verschiedene (wenn auch unklare) Kategorien fallen. Auf der Extreme der Kontur haben wir die altmodischen, quadratischen „Blocky“-Charaktere und die großen, dünnen, lebensechteren „Rthro“-Avatare. Wir finden auch zahlreiche Standard-Avatare, die unsere Benutzer:innen nicht geändert haben, seit sie Roblox beigetreten sind (Cluster 4 oben). Dazwischen gibt es alles von „Goth-Ninja“ bis hin zu „in die Disko gehen“.

Identität durch Avatare

Welche Verbindung gibt es zwischen diesen ästhetischen Clustern und unseren Benutzer:innen?

Am einfachsten ist es, wenn wir beim Benutzerverhalten auf der Plattform beginnen. Bei den grafischen Darstellungen von den Engagement-Indikatoren Avatar-Bearbeitungen im letzten Monat, Kontoalter in Wochen, Gesamtspielzeit in Sekunden und einmonatige Beibehaltung nach Cluster erhalten wir vier Diagramme, die drastische Variationen zwischen den Clustern anzeigen. Benutzer:innen mit stark bearbeiteten Avataren sind tendenziell am meisten engagiert und am häufigsten beibehalten, während Avatare, die nicht stark bearbeitet wurden, tendenziell weniger engagiert sind.

Es gibt zwei gegenseitige kausale Interpretationen hierfür. Zum einen nutzen Benutzer:innen, die ihren Avatar häufiger bearbeiten, aufgrund dessen Roblox auch mehr. Zum anderen kann es sein, dass Benutzer:innen, die schon viel in Roblox investiert haben, sich im Laufe der Zeit immer mehr Mühe mit ihrem Avatar geben. Andere bei Roblox haben auch schon großartige Arbeit geleistet, festzustellen, welche Interpretation plausibler ist.

Unabhängig von der Kausalität können wir erkennen, dass diese zwei Aspekte der Identität auf der Plattform – ästhetische Repräsentation und Engagement – stark miteinander verknüpft sind. Wie sieht es mit der Identität außerhalb der Plattform aus? Wie überschneiden sich die Identifikatoren unserer Benutzer:innen im echten Leben (Alter, Standort, Geschlecht, usw.) mit ihrer Roblox-Identität? Lies Teil 2 dieses Blogeintrags, um es herauszufinden!

Nameer Hirschkind ist Data Science-Praktikant bei Roblox. Er arbeitet an Roblox‘ Avataren, um allen Spieler:innen zu helfen, einen Avatar zu kreieren, den sie wirklich lieben. Weder die Roblox Corporation noch dieser Blog unterstützt jegliche anderen Unternehmen oder Dienste. Wir machen auch keine Garantien oder Versprechen in Hinsicht auf die Genauigkeit, Zuverlässigkeit und Vollständigkeit der Informationen in diesem Blog.

©2021 Roblox Corporation. Roblox, das Roblox-Logo und „Powering Imagination“ gehören zu unseren eingetragenen und nicht eingetragenen Markenzeichen in den USA und anderen Ländern.