面向视频游戏视觉缺陷检测的混合共微调方法
计算机视觉与模式识别
2025-10-07 v1 人工智能
摘要
手动识别视频游戏中的视觉缺陷耗时且成本高，常需专业领域知识。虽然监督式视觉缺陷检测模型提供了可行方案，但其对大量标记数据依赖构成挑战，因此类缺陷极不常见。为克服此限制，我们提出一种混合 Co-FineTuning (CFT) 方法，有效整合标记与非标记数据。该方法利用来自目标游戏及相关领域游戏的标记样本，同时纳入非标记数据以增强特征表征学习，最大化可用数据的效用，显著降低对特定目标游戏标记样本的依赖。开发的框架展现出卓越的可扩展性与适应性，高效支持跨不同游戏标题的视觉缺陷检测。实验结果表明，所提方法在游戏视觉缺陷检测中稳健可靠，在多种游戏环境下均优于传统基线。此外，即便仅使用目标游戏标记数据的 50%，CFT 仍能保持竞争性能。
引用
@article{arxiv.2510.03591,
title = {A Hybrid Co-Finetuning Approach for Visual Bug Detection in Video Games},
author = {Faliu Yi and Sherif Abdelfattah and Wei Huang and Adrian Brown},
journal= {arXiv preprint arXiv:2510.03591},
year = {2025}
}
备注
Accepted at the 21st AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment (AIIDE 2025)