แจ้งเอกสารไม่ครบถ้วน, ไม่ตรงกับชื่อเรื่อง หรือมีข้อผิดพลาดเกี่ยวกับเอกสาร ติดต่อที่นี่ ==>
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th ติดต่อเจ้าหน้าที่เจ้าของเอกสาร กรณีเอกสารไม่ครบหรือไม่ตรง

Visual glitches classification for video game using deep learning-based techniques

Organization : Rangsit University. College of Digital Innovation Technology
Email : supanat.j@rsu.ac.th
keyword: Glitch
LCSH: Video games -- Testing
; Neural architecture search
LCSH: Anomaly detection (Computer security)
Abstract: Glitches, unintended and anomalous behaviors in video games, often degrade player experiences. Our objective is to develop a glitch classification model that can accurately identify and categorize different types of visual glitches. The proposed model incorporates Neural Architecture Search (NAS) to identify the optimal architecture and hyperparameters for the classification of these anomalies within in-game visual. We construct a unique, comprehensive dataset composed of numerous instances of common visual glitches along with nonglitched game footage. The proposed deep learning model is then trained and evaluated on this dataset, and our results demonstrate a notable enhancement in glitch detection accuracy 88% compared to conventional. Experimental results demonstrate the potential of the visual glitches classification model
King Mongkut's University of Technology North Bangkok. Central Library
Address: BANGKOK
Email: library@kmutnb.ac.th
Created: 2023
Modified: 2024-04-22
Issued: 2024-04-22
บทความ/Article
application/pdf
BibliograpyCitation : In Institute of Electrical and Electronics Engineers. The 27th International Computer Science and Engineering Conference 2023 (ICSEC 2023) (pp.116-121). Bangkok : Institute of Electrical and Electronics Engineers
eng
©copyrights King Mongkut's University of Technology North Bangkok
RightsAccess:
ลำดับที่.ชื่อแฟ้มข้อมูล ขนาดแฟ้มข้อมูลจำนวนเข้าถึง วัน-เวลาเข้าถึงล่าสุด
1 ICSEC 2023pp.116-121.pdf 3.54 MB
ใช้เวลา
0.031545 วินาที

Supanat Jintawatsakoon
Title Contributor Type
Visual glitches classification for video game using deep learning-based techniques
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ
Supanat Jintawatsakoon

บทความ/Article
Quality assessment of cocoa bean using regression convolutional neural network
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ
Seksan Sangsawad;Supanat Jintawatsakoon

บทความ/Article
Performance evaluation of collaborative filtering algorithms on video streaming platform
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ
Supanat Jintawatsakoon;Seksan Sangsawad

บทความ/Article
Copyright 2000 - 2025 ThaiLIS Digital Collection Working Group. All rights reserved.
ThaiLIS is Thailand Library Integrated System
สนับสนุนโดย สำนักงานบริหารเทคโนโลยีสารสนเทศเพื่อพัฒนาการศึกษา
กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม
328 ถ.ศรีอยุธยา แขวง ทุ่งพญาไท เขต ราชเทวี กรุงเทพ 10400 โทร. โทร. 02-232-4000
กำลัง ออน์ไลน์
ภายในเครือข่าย ThaiLIS จำนวน 33
ภายนอกเครือข่าย ThaiLIS จำนวน 2,400
รวม 2,433 คน

More info..
นอก ThaiLIS = 100,090 ครั้ง
มหาวิทยาลัยสังกัดทบวงเดิม = 111 ครั้ง
มหาวิทยาลัยราชภัฏ = 105 ครั้ง
มหาวิทยาลัยเทคโนโลยีราชมงคล = 22 ครั้ง
มหาวิทยาลัยเอกชน = 20 ครั้ง
สถาบันพระบรมราชชนก = 14 ครั้ง
มหาวิทยาลัยสงฆ์ = 1 ครั้ง
หน่วยงานอื่น = 1 ครั้ง
มหาวิทยาลัยการกีฬาแห่งชาติ = 1 ครั้ง
รวม 100,365 ครั้ง
Database server :
Version 2.5 Last update 1-06-2018
Power By SUSE PHP MySQL IndexData Mambo Bootstrap
มีปัญหาในการใช้งานติดต่อผ่านระบบ UniNetHelp


Server : 8.199.132
Client : Not ThaiLIS Member
From IP : 216.73.216.180