論文の概要: GLIB: Towards Automated Test Oracle for Graphically-Rich Applications
- arxiv url: http://arxiv.org/abs/2106.10507v1
- Date: Sat, 19 Jun 2021 14:50:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-24 08:11:07.987560
- Title: GLIB: Towards Automated Test Oracle for Graphically-Rich Applications
- Title（参考訳）: GLIB: グラフィカルリッチアプリケーションのためのOracleの自動テスト
- Authors: Ke Chen, Yufei Li, Yingfeng Chen, Changjie Fan, Zhipeng Hu, Wei Yang
- Abstract要約: 我々は,ゲームGUIの不具合を検出するためのコードベースのデータ拡張技術に基づくtextttGLIBを提案する。
textttGLIBは、ゲームGUIグリッチのような非クラッシングバグを検出する際に、100%の精度と99.5%のリコールを達成することができる。
- 参考スコア（独自算出の注目度）: 26.940850357831657
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Graphically-rich applications such as games are ubiquitous with attractive
visual effects of Graphical User Interface (GUI) that offers a bridge between
software applications and end-users. However, various types of graphical
glitches may arise from such GUI complexity and have become one of the main
component of software compatibility issues. Our study on bug reports from game
development teams in NetEase Inc. indicates that graphical glitches frequently
occur during the GUI rendering and severely degrade the quality of
graphically-rich applications such as video games. Existing automated testing
techniques for such applications focus mainly on generating various GUI test
sequences and check whether the test sequences can cause crashes. These
techniques require constant human attention to captures non-crashing bugs such
as bugs causing graphical glitches. In this paper, we present the first step in
automating the test oracle for detecting non-crashing bugs in graphically-rich
applications. Specifically, we propose \texttt{GLIB} based on a code-based data
augmentation technique to detect game GUI glitches. We perform an evaluation of
\texttt{GLIB} on 20 real-world game apps (with bug reports available) and the
result shows that \texttt{GLIB} can achieve 100\% precision and 99.5\% recall
in detecting non-crashing bugs such as game GUI glitches. Practical application
of \texttt{GLIB} on another 14 real-world games (without bug reports) further
demonstrates that \texttt{GLIB} can effectively uncover GUI glitches, with 48
of 53 bugs reported by \texttt{GLIB} having been confirmed and fixed so far.
- Abstract（参考訳）: ゲームのようなグラフィカルにリッチなアプリケーションは、ソフトウェアアプリケーションとエンドユーザーの間の橋渡しを提供するGUI(Graphical User Interface)の魅力的な視覚効果を持つ。
しかし、GUIの複雑さから様々なタイプのグラフィカルグリッチが生まれ、ソフトウェア互換性問題の主要なコンポーネントの1つとなった。
NetEase Inc. のゲーム開発チームによるバグレポートは,GUIレンダリング中にしばしばグラフィカルな不具合が発生し,ビデオゲームのようなグラフィカルにリッチなアプリケーションの品質を著しく低下させることを示唆している。
このようなアプリケーションの既存の自動テスト技術は、主に様々なGUIテストシーケンスを生成し、テストシーケンスがクラッシュを引き起こすかどうかを確認することに焦点を当てている。
これらのテクニックは、グラフィカルな不具合を引き起こすバグなどの非クラッシングバグをキャプチャするために、常に人間の注意を必要とする。
本稿では、グラフィカルにリッチなアプリケーションにおける非クラッシングバグを検出するためのテストオラクルの自動化の第一歩を示す。
具体的には,ゲームGUIの不具合を検出するためのコードベースのデータ拡張技術に基づいて,‘texttt{GLIB}’を提案する。
実世界の20のゲームアプリ上で, \texttt{GLIB} の評価を行い, ゲーム GUI グリップなどの非クラッシングバグの検出において, 100 %の精度と 99.5 % のリコールを達成可能であることを示す。
さらに、他の14の現実世界のゲーム(バグ報告なし)に対する \texttt{GLIB} の実践的応用は、 \texttt{GLIB} がGUIの不具合を効果的に発見できることを証明している。
関連論文リスト
- GUIWatcher: Automatically Detecting GUI Lags by Analyzing Mobile Application Screencasts [9.997570370503617]
グラフィカルユーザインタフェース(GUI)はモバイルアプリケーションにおいて中心的な役割を果たし、ユーザビリティとユーザ満足度に直接影響を与えます。
遅延や応答性の低いGUIパフォーマンスは、ネガティブなユーザエクスペリエンスとモバイルアプリケーション(アプリ)レーティングの低下につながる可能性がある。
GUIWatcherは,モバイルアプリのテスト中に記録されたスクリーンキャストを分析し,GUIラグを検出するように設計されたフレームワークである。
論文 参考訳（メタデータ） (2025-02-06T16:43:51Z) - GUI-Bee: Align GUI Action Grounding to Novel Environments via Autonomous Exploration [56.58744345634623]
MLLMをベースとした自律エージェントGUI-Beeを提案する。
NovelScreenSpotも導入しています。これはGUIアクショングラウンドモデルと新しい環境との整合性をテストするためのベンチマークです。
論文 参考訳（メタデータ） (2025-01-23T18:16:21Z) - Zero-Shot Prompting Approaches for LLM-based Graphical User Interface Generation [53.1000575179389]
LLMに基づくGUI検索とフィルタリング機構を統合した検索型GUI生成(RAGG)手法を提案する。
また,GUI 生成に Prompt Decomposition (PDGG) と Self-Critique (SCGG) を適用した。
UI/UX経験を持つ100人以上の集団作業者の3000以上のGUIアノテーションを対象とし,SPGGはPDGGやRAGGとは対照的に,より効果的なGUI生成につながる可能性が示唆された。
論文 参考訳（メタデータ） (2024-12-15T22:17:30Z) - Seeing is Believing: Vision-driven Non-crash Functional Bug Detection for Mobile Apps [26.96558418166514]
本稿では,非クラッシュな機能的バグを検出するための,視覚駆動型多エージェント協調GUIテスト手法を提案する。
590の非クラッシュバグに対してTridentを評価し,12のベースラインと比較したところ,平均リコールと精度が14%-112%,108%-147%向上した。
論文 参考訳（メタデータ） (2024-07-03T11:58:09Z) - GraphStorm: all-in-one graph machine learning framework for industry applications [75.23076561638348]
GraphStormはスケーラブルなグラフ構築、グラフモデルのトレーニング、推論のためのエンドツーエンドソリューションである。
GraphStormのすべてのコンポーネントは数十億のノードを持つグラフ上で動作でき、コードを変更することなく、モデルのトレーニングと推論を異なるハードウェアにスケールすることができる。
GraphStormは、2023年5月にリリースされて以来、数十億以上の業界アプリケーションで使われ、デプロイされてきた。
論文 参考訳（メタデータ） (2024-06-10T04:56:16Z) - Gamified GUI testing with Selenium in the IntelliJ IDE: A Prototype Plugin [0.559239450391449]
本稿では,IntelliJ IDEA用のガミフィケーションプラグインのプロトタイプであるGIPGUTについて述べる。
このプラグインは、達成、報酬、プロファイルのカスタマイズを通じて、単調で退屈なタスクにテスタのエンゲージメントを高める。
その結果,ゲーミフィケーション要素の高利用性と肯定的な受容性が示唆された。
論文 参考訳（メタデータ） (2024-03-14T20:11:11Z) - G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering [61.93058781222079]
現実のテキストグラフを対象とするフレキシブルな問合せフレームワークを開発した。
一般のテキストグラフに対する最初の検索拡張生成(RAG)手法を提案する。
G-Retrieverは、このタスクをSteiner Tree最適化問題として定式化し、グラフ上でRAGを実行する。
論文 参考訳（メタデータ） (2024-02-12T13:13:04Z) - ADA-GAD: Anomaly-Denoised Autoencoders for Graph Anomaly Detection [84.0718034981805]
我々はAnomaly-Denoized Autoencoders for Graph Anomaly Detection (ADA-GAD)という新しいフレームワークを導入する。
第1段階では,異常レベルを低減したグラフを生成する学習自由な異常化拡張法を設計する。
次の段階では、デコーダは元のグラフで検出するために再訓練される。
論文 参考訳（メタデータ） (2023-12-22T09:02:01Z) - Weak Supervision for Label Efficient Visual Bug Detection [0.0]
リソースによって制限された従来のテストメソッドは、潜在的なバグの多さに対処する上で困難に直面しています。
本研究では,未ラベルゲームプレイとドメイン固有の拡張を利用して,データセットと自己教師対象を生成する手法を提案する。
我々の手法は、弱いスーパービジョンを使用して、人工的な目的のためにデータセットをスケールし、自律的およびインタラクティブな弱いスーパービジョンの両方を促進する。
論文 参考訳（メタデータ） (2023-09-20T06:00:02Z) - Identifying Defect-Inducing Changes in Visual Code [54.20154707138088]
SZZ-VC (SZZ Visual Code) は, ラインの違いではなくグラフィカル要素の違いに基づいて, 視覚的コードの変化を検知するアルゴリズムである。
業界製AAAビデオゲームのアルゴリズムを検証し、12のオープンソースプロジェクトで20の音楽ヴィジュアルプログラミングの欠陥を検証した。
論文 参考訳（メタデータ） (2023-09-07T00:12:28Z) - Large Language Models are Pretty Good Zero-Shot Video Game Bug Detectors [3.39487428163997]
大規模言語モデルでは,ゲームからのイベントのテキスト記述のシーケンスにおいて,どのイベントがバギーであるかを識別できることを示す。
この結果から,ビデオゲームのバグ検出に言語モデルを用いた場合の有望な結果が得られた。
論文 参考訳（メタデータ） (2022-10-05T18:44:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。