Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpe.br/handle/123456789/52757

Comparte esta pagina

Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorMIRANDA, Breno Alexandro Ferreira de-
dc.contributor.authorCALABRIA, Lucas Cavalcanti-
dc.date.accessioned2023-10-10T12:59:23Z-
dc.date.available2023-10-10T12:59:23Z-
dc.date.issued2023-09-22-
dc.date.submitted2023-10-02-
dc.identifier.citationCALABRIA, Lucas Cavalcanti. Detecção automática de erros visuais em jogos Love2D, através de visão computacional. 2023. Trabalho de Conclusão de Curso (Engenharia da Computação) – Universidade Federal de Pernambuco, Recife, 2023.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/52757-
dc.description.abstractEste trabalho apresenta uma nova abordagem para automatizar a detecção de anomalias vi suais em jogos desenvolvidos no framework Love2D. Erros dessa natureza são um desafio per sistente na indústria de jogos, evidenciando a necessidade de simplificar parte desse processo. Para enfrentar esse problema, foi desenvolvido um método em duas etapas. Primeiramente, uma classe de depuração captura os dados relevantes dos elementos gráficos em tela, ao mesmo tempo em que é salva uma captura de tela. Em seguida, utilizando os dados de execução, essa imagem é recriada e comparada com a original a fim de detectar a presença de anomalias vi suais, através de três técnicas desenvolvidas. Ao se aplicar o modelo em uma base de dados contendo 20 casos diferentes de erros visuais, considerados relevantes para a indústria, a taxa de eficácia foi de 93.1%, sem qualquer caso de falso positivo.pt_BR
dc.format.extent37p.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectdetecção de errospt_BR
dc.subjectvisão computacionalpt_BR
dc.subjectautomação de testespt_BR
dc.subjectLove2Dpt_BR
dc.titleDetecção automática de erros visuais em jogos Love2D, através de visão computacionalpt_BR
dc.typebachelorThesispt_BR
dc.degree.levelGraduacaopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/0311224988123909pt_BR
dc.description.abstractxThis work presents a novel approach to automate the detection of visual anomalies in games developed using the Love2D framework. Errors of this nature pose a persistent challenge in the gaming industry, highlighting the need to simplify parts of this process. To address this issue, a two-step method was developed. Firstly, a debugging class captures relevant data from the graphical elements on the screen while also saving a screenshot. Then, using the execution data, this image is recreated and compared to the original to detect the presence of visual anomalies through three developed techniques. When applying the model to a database containing 20 different cases of visual errors, considered relevant to the industry, the effectiveness rate was 93.1%, with no false positives detected.pt_BR
dc.subject.cnpqÁreas::Ciências Exatas e da Terrapt_BR
dc.degree.departament::(CIN-DCC) - Departamento de Ciência da Computaçãopt_BR
dc.degree.graduation::CIn-Curso de Engenharia da Computaçãopt_BR
dc.degree.grantorUniversidade Federal de Pernambucopt_BR
dc.degree.localRecifept_BR
Aparece en las colecciones: (TCC) - Engenharia da Computação

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TCC_Lucas_Cavalcanti_Calabria.pdf666,34 kBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons