Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

VideoGameQA-Bench: Evaluating Vision-Language Models for Video Game Quality Assurance

Created by
  • Haebom

저자

Mohammad Reza Taesiri, Abhijay Ghildyal, Saman Zadtootaghaj, Nabajeet Barman, Cor-Paul Bezemer

개요

본 논문은 비디오 게임 QA(품질 보증) 과정의 자동화 및 개선을 위해 Vision-Language Model(VLMs)을 활용하는 방안을 제시합니다. 비디오 게임 산업에서 QA는 여전히 많은 인력을 필요로 하는 과정이며 자동화가 제한적이기 때문에, VLMs의 효과적인 활용을 위한 표준화된 벤치마크의 필요성이 제기됩니다. 이에 본 논문에서는 다양한 게임 QA 활동(시각적 단위 테스트, 시각적 회귀 테스트, 탐색 작업, 결함 감지, 버그 보고서 생성 등)을 포함하는 종합적인 벤치마크인 VideoGameQA-Bench를 소개합니다. 이 벤치마크는 이미지와 비디오 데이터를 모두 포함하며, 실제 시나리오에서 VLMs의 성능을 정확하게 평가하는 데 기여합니다. 코드와 데이터는 공개적으로 제공됩니다.

시사점, 한계점

시사점:
비디오 게임 QA 자동화를 위한 VLMs 활용 가능성을 제시합니다.
게임 QA 분야에 특화된 종합적인 벤치마크를 제공합니다.
실제 게임 QA 작업에 VLMs를 적용할 수 있는 기반을 마련합니다.
다양한 게임 QA 활동을 포괄적으로 평가할 수 있는 기준을 제공합니다.
한계점:
소개된 벤치마크의 범용성 및 확장성에 대한 추가적인 연구가 필요할 수 있습니다.
다양한 게임 장르 및 플랫폼에 대한 벤치마크의 적용성을 검증해야 합니다.
VLMs의 성능 향상을 위한 추가적인 연구가 필요할 수 있습니다.
현재 벤치마크의 데이터셋 규모와 다양성에 대한 한계가 존재할 수 있습니다.
👍