CodeSCAN：面向视频编程教程的屏幕录制分析
机器学习
2024-09-30 v1 计算机视觉与模式识别
摘要
以编程屏幕录制形式呈现的编程教程在编程教育中发挥着至关重要的作用，服务于新手和有经验的开发者。然而，这些教程的视频格式带来了挑战，因为难以在视频中和视频间进行搜索。为了解决屏幕录制分析缺乏大规模和多样化数据集的问题，我们引入了 CodeSCAN 数据集。它包含 12,000 张在开发过程中从 Visual Studio Code 环境中捕获的屏幕截图，涵盖 24 种编程语言、25 种字体和 90 多种不同的主题，此外还有多样化的布局变化和真实的用户交互。此外，我们进行了详细的定量和定性评估，以对 Integrated Development Environment (IDE) 元素检测、彩色转黑白转换和 Optical Character Recognition (OCR) 的性能进行基准测试。我们希望我们的贡献能促进编程屏幕录制分析领域的更多研究，并在此网站上公开了用于创建数据集和基准测试的源代码。
引用
@article{arxiv.2409.18556,
title = {CodeSCAN: ScreenCast ANalysis for Video Programming Tutorials},
author = {Alexander Naumann and Felix Hertlein and Jacqueline Höllig and Lucas Cazzonelli and Steffen Thoma},
journal= {arXiv preprint arXiv:2409.18556},
year = {2024}
}