热点事件持续更新

研究提出多标签游戏感知Bug检测模型与数据集

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Nahian Rifaat、Felix Morosov 和 Loutfouz Zaman 提出 ResNet-BiLSTM 模型，用于从游戏画面视频中检测多标签感知 Bug，并发布配套数据集。该模型在基准数据集上取得 85.78% 的 F1 分数，优于 Inflated 3D ConvNet 和 3D ResNet 等视频分类模型。研究称，结果表明时序依赖建模有助于提升基于视频的 Bug 检测准确率。发布的数据集包含 77,969 个视频片段、约 120 万帧，覆盖 5 类 Bug 在同一帧中的组合。

AI 根据报道生成 · 7 小时前更新

最新进展10月7日 12:00

基于游戏画面深度学习的多标签感知 Bug 检测

报道时间线

沿着报道，了解事件的不同侧面。

10月7日

12:00
arXiv cs.LG
基于游戏画面深度学习的多标签感知 Bug 检测
研究提出 ResNet-BiLSTM 模型用于游戏画面多标签感知 Bug 检测，在基准数据集上取得 85.78% 的 F1 分数，优于 Inflated 3D ConvNet 和 3D ResNet 等视频分类模型。结果表明时序依赖建模有助于提升基于视频的 Bug 检测准确率。研究同时发布新数据集，包含 77,969 个视频片段、约 120 万帧，覆盖 5 类 Bug 在同一帧中的组合。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。