一种用于视频游戏异常检测的度量学习方法
机器学习
2020-07-02 v2 机器学习
摘要
旨在设计辅助视频游戏质量保证流程的自动化工具，我们将识别视频游戏中缺陷的问题构建为异常检测（AD）问题。我们开发了 State-State Siamese Networks（S3N）作为一种高效的深度度量学习方法来解决此背景下的 AD，并探索其如何作为自动化测试工具的一部分使用。最后，我们通过在一系列 Atari 游戏上的实证评估表明，S3N 能够学习有意义的嵌入，从而能够识别各类常见类型的视频游戏缺陷。
引用
@article{arxiv.2005.10211,
title = {A Metric Learning Approach to Anomaly Detection in Video Games},
author = {Benedict Wilkins and Chris Watkins and Kostas Stathis},
journal= {arXiv preprint arXiv:2005.10211},
year = {2020}
}
备注
4 pages, 3 figures, Accepted in IEEE 2020 CONFERENCE ON GAMES (COG), Dataset https://www.kaggle.com/benedictwilkinsai/atari-anomaly-dataset-aad , Code and pre-trained models https://github.com/BenedictWilkinsAI/S3N