多标签感知游戏 Bug 检测模型与数据集发布
热点事件观察中
多标签感知游戏 Bug 检测模型与数据集发布
1 篇报道1 个报道来源3 天前更新
先了解这件事
AI 综述
Nahian Rifaat 等提出 ResNet-BiLSTM 模型，用游戏录像画面做多标签感知 Bug 检测，在基准数据集上取得 85.78% 的 F1 分数，并与 Inflated 3D ConvNet、3D ResNet 等视频分类模型作了对比。 同时发布的多标签感知 Bug 数据集含 77,969 个视频片段、约 120 万帧，覆盖不同游戏类型，同一画面帧中可出现 5 类 Bug 的组合。
AI 根据报道生成 · 3 小时前更新
最新进展10月7日 00:01
研究提出 ResNet-BiLSTM，从游戏录像检测多标签感知 Bug报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv 游戏 AI 检索精选研究提出 ResNet-BiLSTM，从游戏录像检测多标签感知 Bug
研究提出 ResNet-BiLSTM 模型，用游戏录像画面做多标签感知 Bug 检测，在基准数据集上取得 85.78% 的 F1 分数，并与 Inflated 3D ConvNet、3D ResNet 等视频分类模型进行了对比。
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。