微软AR/VR专利分享为用户提供个性化体验，基于显著性的数字环境适应方法
基于显著性的数字环境适应方法
（映维网Nweon 2023年10月27日）在XR数字环境中为用户创建个性化体验十分困难。另外，基于与另一个数字环境相关的内容调整数字环境同样困难，
所以在名为“Saliency-based digital environment adaptation”的专利申请中，微软介绍了一种基于显著性的数字环境适应方法。在示例中，数字环境可以基于各种因素进行调整，包括内容属性、环境属性、用户配置文件属性、和/或群体属性等等。因此，可以基于所述因素为数字环境的内容和/或位置确定显著性度量。
接下来，可以根据相关的显著性度量来确定来自一组内容的内容，其中根据每个内容实例的显著性度量对内容集进行排序。
所以，可以确定用于向用户展示的排名最高的显著性度量。例如，可以向用户呈现2D或3D asset，并且/或者可以合并或修改环境机制。
作为另一个示例，可以使用类似的技术来确定空间位置以在其中向用户呈现内容，从而可以根据相关的显著性度量对一组空间位置进行排序。所以，数字环境提供的体验可能因用户而异，从而为每个用户提供个性化的体验。
图1示出了基于显著性的数字环境适应系统100。如图所示，系统100包括数字环境平台102、数字环境服务104、计算设备106和网络108。在实施例中，数字环境平台102、数字环境服务104和/或计算设备106通过网络108进行通信，
数字环境平台102可以聚合与一个或多个数字环境相关联的遥测数据。数字环境平台102包括请求处理器110、显著性度量引擎112、交互数据存储114和内容数据存储116。
在示例中，请求处理器110处理可从数字环境服务104和计算设备106接收的各种请求。例如，请求处理器110可以处理与内容相关联的显著性度量的请求。请求可以包含对其显著性度量的内容的指示、相关数字环境的指示和/或一个或多个统计数据。
显著性度量引擎112可以生成显著性度量和/或位置和/或内容的指示。例如，显著性度量引擎112可以处理存储在交互数据存储114中的遥测数据和/或与候选内容相关的内容属性。
显著性度量引擎112可以使用各种技术中的任何一种来生成显著性度量，和/或基于上述相关因素从一组候选者中确定内容和/或位置。
系统100进一步包括可用于提供数字环境的数字环境服务104。例如，当向计算设备106的用户呈现用于显示的数字环境时，环境应用程序122和数字环境服务104可以分别作为客户机和服务器运行。
在其他示例中，环境应用程序122可以在本地运行，使得数字环境服务104可以将环境应用程序122分发到各种计算设备中的任何一个。
数字环境服务104表示为包括显著性处理器118和内容数据存储器120。在示例中，显著性处理器118生成遥测数据和/或获取遥测数据。
另外，显著性处理器118可以从数字环境平台请求显著性度量。例如，显著性处理器118可以请求内容数据存储120的内容的显著性度量和/或可以请求来自数字环境平台102的外部内容。
如上所述，环境应用程序122可以生成用于向计算设备106的用户呈现的数字环境。作为另一示例，数字环境的至少一部分可以通过数字环境服务104呈现。
因此，显著性处理器124和/或显著性处理器118可以确定用于适应数字环境的内容。例如，显著性处理器124可以从数字环境平台102请求显著性度量和/或内容。
在一个实施例中，请求包括可由计算设备106存储的用户配置文件的至少一部分。在其他示例中，所述信息可以通过数字环境服务104和/或数字环境平台102存储。
因此，环境应用122可以确定要呈现内容的空间位置，确定要从一组内容中呈现给用户的内容，和/或根据确定的内容调整环境机制。
另外，在其他示例中可以使用任意数量的计算设备。在这样的示例中，数字环境可以针对计算设备的每个各自用户进行调整，使得相同的数字环境具有呈现给每个用户的不同关联表示。
例如，第一用户可以将所述数字环境视为包括第一内容项，而第二用户可以将所述数字环境视为包括第二内容项。同样地，不同的环境机制可以适用于不同的用户，就像第一个用户喜欢某种环境机制，而第二个用户不喜欢这种环境机制。
作为进一步的示例，外部内容的第一实例可以基于与第一用户相关联的第一兴趣集向第一用户呈现，而外部内容的第二实例可以基于与第二用户相关联的第二兴趣集向第二用户呈现。
图2示出用于生成内容显著性度量的示例方法200。
从操作202开始，获得一组内容属性。例如，属性集可以包括内容的相对可取性和/或稀缺性。
操作204，获得一组环境属性。在示例中，环境属性集与数字环境中的空间位置相关，内容可以在所述空间位置呈现，例如靠近用户的空间位置。作为另一个示例，环境属性集可以包括关于用户在数字环境的故事情节中的进展的指示。
操作206，获得一组用户配置文件属性。例如，用户配置文件属性集可以与用户的游戏或交互风格、用户的注意习惯（例如基于从AR/VR头显确定的用户视角）等相关。
在操作208中，获得一组属性。在示例中，属性集包括类似于在操作206中获得的属性，但根据一个或多个统计数据进行汇总。例如，可以根据与一个或多个数字环境(例如，可以由诸如交互数据存储114的交互数据存储)相关联的遥测数据来确定人口属性集。例如，人口属性可以指示与游戏机制和/或用户所在的空间位置和/或可以确定的内容相关的难度级别和/或受欢迎程度。
操作210，基于在操作202-208获得的属性生成内容显著性度量。操作210的各个方面可以包括使用机器学习模型生成显著性度量。作为另一个示例，操作210可能包括基于与每个属性关联的一组权重生成显著性度量。
操作212，提供所生成的显著性度量的指示。例如，显著性度量可以作为对显著性度量请求的响应而提供。作为另一个示例，可以提供显著性度量并用于对一组内容进行排序。
图3示出调整数字环境的示例方法300。
从操作302开始，获得一组候选内容。例如，内容集的至少一部分可以与为其确定内容的数字环境相关联。在另一个示例中，所述内容集的至少一部分可以包括外部内容。所述内容集可以从各种来源中的任何来源获得。
操作304，为内容集确定显著性度量。例如，操作304可以包括为在操作302处获得的内容集中的每个内容实例生成显著性度量。
操作306，根据在操作304生成的显著性度量对内容集进行排序。转到操作308，从排序的内容集确定内容。在示例中，选择一个或多个排名最高的内容实例，或者作为另一个示例，可以从具有高于预定阈值的显著性度量的内容实例中随机选择内容。
操作310，根据在操作308中确定的内容调整数字环境。例如，操作310可以包括调整数字环境以包括用于向用户呈现的2D或3D asset或NPC。另一个例子是，向用户呈现不同的RPG故事选择，或者具有不同的难度、突出程度和/或长度。
图4示出调整数字环境的另一示例方法400。
从操作402开始，确定了一组位置。在示例中，位置集可以基于用户在数字环境中的位置来确定。例如，位置集可以包括靠近用户的表面。
操作404，为一组位置确定显著性度量。例如，操作404可以包括为在操作402处确定的位置集中的每个位置生成显著性度量。
操作406，根据在操作404中生成的显著性度量对位置集进行排序。转到操作408，从位置的排序集确定位置。在示例中，选择一个或多个排名最高的位置，或者作为另一个示例，可以从具有高于预定阈值的显著性度量的位置随机选择位置。
操作410，确定内容以适应数字环境。操作412，使用在操作410确定的内容，根据在操作408确定的位置调整数字环境。例如，操作412可以包括调整数字环境以包括用于在确定位置向用户呈现的2D或3D aset或NPC。
相关专利：Microsoft Patent | Saliency-based digital environment adaptation
名为“Saliency-based digital environment adaptation”的微软专利申请最初在2022年3月提交，并在日前由美国专利商标局公布。
