論文の概要: TARIPlay: A Test Framework for AR Applications based on Interactive Area Tracking in Playback Videos

• arxiv url: http://arxiv.org/abs/2605.16544v1
• Date: Fri, 15 May 2026 18:39:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 16:58:34.793232
• Title: TARIPlay: A Test Framework for AR Applications based on Interactive Area Tracking in Playback Videos
• Title（参考訳）: TARIPlay:プレイバックビデオにおけるインタラクティブなエリアトラッキングに基づくARアプリケーションのテストフレームワーク
• Authors: Seyed Amir Mousavi, Xiaoyin Wang,
• Abstract要約: ARアプリには、自動テストに特有の課題がある。 ARCore PlaybackやARKit Replayといった最近の進歩により、開発者はリッチなビデオを録画して再生することで、現実世界のシナリオを再利用できる。 自動テストのために,再生ビデオを分析し,適切な対話領域を検出し,追跡し,フィルタリングするフレームワークであるTARIPlayを提案する。
• 参考スコア（独自算出の注目度）: 4.155266770884763
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As Augmented Reality (AR) becomes more and more embedded in daily life, ensuring the quality, safety, and reliability of AR applications is increasingly important. However, AR apps present unique challenges for automated testing. Unlike static GUI layouts in traditional mobile apps, AR apps acquire their interaction interface from the surrounding environment, which is volatile and non-deterministic. Recent advancements like ARCore Playback and ARKit Replay allow developers to reuse real-world scenarios by recording and playing back enriched videos, enabling more feasible automated AR testing. However, using playback videos introduces two major challenges: test inputs must be timed precisely, and interactive areas in the video are dynamic, irregular, and difficult to identify. To address these challenges, we propose TARIPlay, a framework that analyzes playback videos to detect, track, and filter proper interactive areas over time for automated testing. In particular, TARIPlay identifies viable test opportunities based on criteria like stability and visibility, then feeds this information to an automated testing engine to simulate user interactions. We perform an experiment with four open-source AR apps and nine playback videos. Evaluation results show that TARIPlay significantly outperforms the existing tool Monkey in test coverage (55.8% over 41.98% on branch coverage) of AR-related code, and can also be used to assess the quality of playback videos for testing suitability.
• Abstract（参考訳）: Augmented Reality(AR)が日々の生活にますます浸透していくにつれて、ARアプリケーションの品質、安全性、信頼性がますます重要になっている。 しかし、ARアプリは自動テストに固有の課題を提示している。 従来のモバイルアプリの静的GUIレイアウトとは異なり、ARアプリは周囲の環境からインタラクションインターフェースを取得する。 ARCore PlaybackやARKit Replayといった最近の進歩により、開発者はリッチなビデオを録画して再生することで現実世界のシナリオを再利用できるようになり、より実用的な自動ARテストが可能になる。 しかし、再生ビデオの使用には2つの大きな課題がある: テストインプットを正確にタイムアウトする必要がある。 これらの課題に対処するため,我々は,自動テストにおいて適切な対話領域を検出し,追跡し,フィルタリングするために再生ビデオを解析するフレームワークであるTARIPlayを提案する。 特に、TARIPlayは、安定性や可視性といった基準に基づいて実行可能なテストの機会を特定し、その情報を自動テストエンジンに供給し、ユーザインタラクションをシミュレートする。 オープンソースARアプリ4本と再生ビデオ9本で実験を行った。 評価結果によると、TARIPlayはAR関連コードのテストカバレッジ(ブランチカバレッジでは55.8%、ブランチカバレッジでは41.98%)において、既存のツールMonkeyを大きく上回っている。

関連論文リスト

• EvoTest: Evolutionary Test-Time Learning for Self-Improving Agentic Systems [59.66823584073748]
  現在のAIエージェントの基本的な制限は、テスト時に複雑なスキルをその場で学べないことだ。 EvoTestは,エージェントの微調整や勾配を伴わずにエージェントを改良する,進化的テストタイム学習フレームワークである。
  論文  参考訳（メタデータ） (2025-10-15T07:16:28Z)
• ARPOV: Expanding Visualization of Object Detection in AR with Panoramic Mosaic Stitching [0.0]
  ARPOVは、ARヘッドセットによってキャプチャされたビデオに合わせたオブジェクト検出モデル出力を分析するための、インタラクティブなビジュアル分析ツールである。 提案ツールでは, 望ましくないフレームを自動的にフィルタリングしながら, パノラマ縫合を利用して環境の視界を拡大する。
  論文  参考訳（メタデータ） (2024-10-01T20:29:14Z)
• EchoTrack: Auditory Referring Multi-Object Tracking for Autonomous Driving [64.58258341591929]
  聴覚参照マルチオブジェクトトラッキング(AR-MOT)は、自律運転において難しい問題である。 私たちは、デュアルストリーム・ビジョン・トランスフォーマーを備えたエンドツーエンドのAR-MOTフレームワークであるEchoTrackを提案しました。 大規模AR-MOTベンチマークの最初のセットを確立する。
  論文  参考訳（メタデータ） (2024-02-28T12:50:16Z)
• Simple Baselines for Interactive Video Retrieval with Questions and Answers [33.17722358007974]
  本稿では,質問応答による対話型ビデオ検索のための,シンプルで効果的なベースラインを提案する。 ユーザインタラクションをシミュレートするためにビデオQAモデルを用い,対話型検索タスクの生産性向上を可能にすることを示す。 MSR-VTT, MSVD, AVSDによる実験により, 問合せに基づくインタラクションを用いたフレームワークは, テキストベースのビデオ検索システムの性能を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2023-08-21T00:32:19Z)
• Towards Video Anomaly Retrieval from Video Anomaly Detection: New Benchmarks and Model [70.97446870672069]
  ビデオ異常検出(VAD)はその潜在的な応用により注目されている。 Video Anomaly Retrieval (VAR)は、関連のある動画をモダリティによって実用的に検索することを目的としている。 一般的な異常データセットの上に構築されたUCFCrime-ARとXD-Violenceの2つのベンチマークを示す。
  論文  参考訳（メタデータ） (2023-07-24T06:22:37Z)
• LaMAR: Benchmarking Localization and Mapping for Augmented Reality [80.23361950062302]
  異種ARデバイスでキャプチャされたリアルな軌跡とセンサストリームを共登録する,包括的キャプチャとGTパイプラインを備えた新しいベンチマークであるLaMARを紹介する。 私たちは、ヘッドマウントとハンドヘルドARデバイスで記録された多様な大規模シーンのベンチマークデータセットを公開します。
  論文  参考訳（メタデータ） (2022-10-19T17:58:17Z)
• Forgetful Experience Replay in Hierarchical Reinforcement Learning from Demonstrations [55.41644538483948]
  本稿では,複雑な視覚環境において,エージェントが低品質な実演を行えるようにするためのアプローチの組み合わせを提案する。 提案した目標指向のリプレイバッファ構築により,エージェントはデモにおいて複雑な階層的タスクを解くためのサブゴールを自動的に強調することができる。 私たちのアルゴリズムに基づくこのソリューションは、有名なMineRLコンペティションのすべてのソリューションを破り、エージェントがMinecraft環境でダイヤモンドをマイニングすることを可能にする。
  論文  参考訳（メタデータ） (2020-06-17T15:38:40Z)

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。