使用深度学习分析游戏实况视频进行多标签感知错误检测

arXiv:2610.08593v1 公告类型：新 摘要：传统的视频游戏自动错误检测方法（如手动测试）有助于改进质量保证，但可能成本高昂且耗时。现有可用于检测同一视频帧中多个感知错误的工具数量有限，这给现实场景中的自动错误检测工具带来了挑战。我们提出了一种用于多标签感知错误检测的深度学习模型，并将其与 Inflated 3D ConvNet 和 3D ResNet 等视频分类模型进行比较。我们提出的模型 ResNet-BiLSTM 在基准数据集上取得了 85.78% 的 F1 分数。结果表明，对时间依赖关系进行建模有助于实现准确的基于视频的错误检测。我们相信，这项针对游戏实况视频中多标签感知错误检测的工作将有助于节省视频游戏手动测试工作所耗费的资源。此外，我们在本项工作中引入了一个包含多标签感知错误的新数据集。该数据集涵盖不同游戏类型的 77,969 个视频片段，约包含 120 万帧，其中包含同一视频帧中 5 类错误的不同组合。