Avatars et identité dans le métaverse, 1ère partie

En sanskrit, avatar (अवतार) fait référence à « une incarnation de forme humaine ». Dans Roblox, peu de choses reflètent plus directement l’identité d’un utilisateur que son avatar. Comme nous allons le découvrir, il n’existe pas d’utilisateur « standard » Roblox, et la variété esthétique fantastique des avatars de nos utilisateurs reflète directement la diversité de la communauté des utilisateurs elle-même.

Caractérisation des avatars (méthodologie)

Si nous nous intéressons à la diversité esthétique, nous devons commencer par caractériser l’esthétique des avatars. L’endroit le plus naturel pour le voir est la vignette 2D de l’avatar qui représente souvent les utilisateurs entre eux.. Pour l’analyse esthétique, nous devons transformer cette vignette en une représentation numérique sémantiquement significative. Il existe de nombreuses façons de réduire la dimension, mais en voici quelques-unes que nous pouvons essayer.

1. L’approche la plus simple : appliquer directement PCA aux vignettes aplaties. Pour évaluer la « qualité » de la réduction, nous visualisons des vignettes sur les extrêmes des composantes principales (PC). Nous pouvons constater que si le premier PC distingue des types d’avatars interprétables, le douzième est trop large pour être significatif.
   

PC 1 (14.3% de variance expliquée):

PC 12 (1.5% of variance explained):

2. Presque aussi simple : nous pouvons appliquer la dernière couche cachée d’un réseau de classification d’images pré-entraîné prêt à l’emploi (Resnet 18), et évaluer la qualité de l’intégration en les regroupant. Observez comment Resnet capture les informations de couleur de manière très efficace (voir toutes les chaussures bleues dans le deuxième groupe) mais échoue parfois à encoder les informations de forme (voir le premier groupe).

Des échantillons de vignettes provenant de 2 clusters sont présentés ci-dessous :

3. Pour obtenir une lecture visuelle de la cohérence, nous pouvons appliquer UMAP pour réduire les incorporations de classification d’images à deux dimensions. Bien qu’il semble y avoir des clusters discernables, la grande tache de points en bas à droite semble suspecte. A juste titre : les échantillons de ce mégacluster sont visuellement incohérents.

Tracé embedding en 2D :

Échantillons du mégacluster dans l’espace intégré 2D :

4. Entraînement d’un petit auto-codeur variationnel (VAE) personnalisé sur les données des vignettes directement. Idéalement, cela permet de mieux saisir la variation esthétique unique des avatars de Roblox, par rapport à un classificateur d’images à usage général. (petite parenthèse : K-means est particulièrement approprié pour le regroupement de ces embeddings, car sa priorité normale correspond à la postérieure des variables latentes du VAE).

Bien qu’il existe des mesures qui permettent de quantifier les avantages des différentes approches, les cas d’utilisation pratique de l’apprentissage non supervisé relèvent souvent d’un jugement subjectif. A titre anecdotique, c’est avec le n°4 que nous avons le plus de succès.

Le Manifold Avatar

En utilisant le VAE, nous pouvons transformer les vignettes en vecteurs 64-dimensionnels succincts pour le clustering. Voici quelques exemples de clusters VAE + K-means issus d’un clustering à 20 voies :

Des avatars très personnalisés dans un seul groupe :

Des avatars grands et minces, que nous appelons « Rthro » dans un autre cluster :

Des avatars grands et trapus que nous appelons « Blocky » dans ce groupe :

Avatars par défaut ici :

Légèrement personnalisé entre le corps de Rthro et celui de Blocky dans celui-ci :

Dark Angels de Roblox

« Regarde là-bas ! »

Le Cube Noir

Je crois que je peux voler

La cohérence des clusters à travers de multiples exécutions, des initialisations aléatoires et des choix de k suggère que les Avatars appartiennent naturellement à des catégories distinctes (bien que floues). Aux extrêmes des contours, nous avons les personnages « Blocky », au corps carré et démodé, 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 modifié depuis qu’ils ont rejoint Roblox (cluster 4 ci-dessus). Entre les deux, il y a tout, des « ninjas gothiques » aux « sorties en boîte ».

L’identité à travers l’avatar

Comment ces groupes esthétiques se rapportent-ils à nos utilisateurs eux-mêmes ?

Le point de départ le plus simple est le comportement des utilisateurs sur la plateforme. Lorsque nous traçons les modifications d’avatars au cours du dernier mois, l’âge du compte en semaines, le nombre total de secondes de jeu et la rétention d’un mois par cluster — des indicateurs d’engagement — nous obtenons quatre graphiques qui montrent que dramatique Variation entre les clusters. Les utilisateurs dont l’avatar est fortement personnalisé ont tendance à être plus engagés et plus souvent retenus, tandis que les avatars qui n’ont pas été autant personnalisés ont tendance à être moins engagés.

Il existe deux interprétations causales opposées de ce phénomène. L’une d’elles est que les utilisateurs qui modifient leur avatar s’engagent davantage dans Roblox. L’autre possibilité est que les utilisateurs déjà investis dans Roblox ont tendance à s’investir davantage dans leurs avatars au fil du temps. D’autres personnes de Roblox ont fait du bon travail. déterminer quelle interprétation croire.

Indépendamment de la causalité, nous constatons que deux aspects de l’identité sur la plateforme – la représentation esthétique et le niveau d’engagement – sont étroitement liés. Mais qu’en est-il de l’identité hors plateforme ? Comment les identifiants de la vie réelle de nos utilisateurs — âge, géographie, sexe, etc. — se croisent-ils avec leurs identités Roblox ? Consulte la deuxième partie de cet article pour le découvrir !

Nameer Hirschkind est un stagiaire en science des données chez Roblox. Il travaille sur les avatars de Roblox pour aider chaque joueur à créer un avatar qu’il aime. Ni Roblox Corporation ni ce blog ne cautionnent ni ne soutiennent aucune entreprise ou service. En outre, aucune garantie ou promesse n’est faite quant à 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.