摘要

通过游戏画面像素来表征游戏，为构建通用且多功能的游戏模型提供了一条有前景的路径。尽管游戏本身并不仅仅是图像，但基于游戏像素训练的神经网络模型往往捕捉的是图像的视觉风格差异，而非游戏内容本身。因此，这类模型在相同游戏类型中相似游戏之间的泛化能力依然有限。本文基于对比学习（contrastive learning）的最新进展，展示了其在游戏表征学习中的显著优势。通过对比游戏图像进行学习，不仅能够更高效地对游戏进行分类，还能使模型在表征上实现更具语义意义的分离——即忽略视觉风格的差异，转而聚焦于游戏内容的本质特征。我们在一个包含175款游戏、10种游戏类型、共计10万张图像的大规模体育类视频游戏数据集上进行了实验，结果表明，对比学习在学习通用游戏表征方面优于传统的监督学习方法。本研究的发现推动我们向构建可跨未见游戏通用复用、无需重新训练或微调的通用视觉编码器迈出了关键一步。