[논문 리뷰] A Snapshot into the Possibility of Video Game Machine Translation

Damien Hansen, Pierre-Yves Houlmont|arXiv (Cornell University)|2022. 09. 19.

Artificial Intelligence in Games인용 수 4

한 줄 요약

이 연구는 제한된 도메인 데이터로 미세조정된 신경 기계 번역(NMT) 모델을 사용하여 비디오 게임 기계 번역에 새로운 접근법을 제시하며, 공개 시스템보다 뛰어난 성능을 달성한다. 모델은 장르별 패턴과 전문 용어를 학습하여 인간 번역가가 상호작용할 때 비디오 게임 현지화의 번역 품질과 효율성을 향상시키는 데 강력한 잠재력을 보여준다.

ABSTRACT

We present in this article what we believe to be one of the first attempts at video game machine translation. Our study shows that models trained only with limited in-domain data surpass publicly available systems by a significant margin, and a subsequent human evaluation reveals interesting findings in the final translation. The first part of the article introduces some of the challenges of video game translation, some of the existing literature, as well as the systems and data sets used in this experiment. The last sections discuss our analysis of the resulting translation and the potential benefits of such an automated system. One such finding highlights the model's ability to learn typical rules and patterns of video game translations from English into French. Our conclusions therefore indicate that the specific case of video game machine translation could prove very much useful given the encouraging results, the highly repetitive nature of the work, and the often poor working conditions that translators face in this field. As with other use cases of MT in cultural sectors, however, we believe this is heavily dependent on the proper implementation of the tool, which should be used interactively by human translators to stimulate creativity instead of raw post-editing for the sake of productivity.

연구 동기 및 목표

• 제한된 도메인 데이터를 사용하여 비디오 게임 현지화를 위한 전문화된 신경 기계 번역 모델을 훈련시킬 수 있는지 탐구하기.
• 비디오 게임 텍스트 맥락에서 공개적으로 이용 가능한 번역 시스템과의 성능을 평가하기.
• 인간 평가를 통해 기계 번역 출력의 품질과 언어적 정확도를 평가하기.
• 비디오 게임 현지화에서 인간 번역가의 생산성과 창의성을 향상시키기 위해 상호작용형 MT 사용의 잠재력을 탐색하기.

제안 방법

• 영어에서 프랑스어로의 비디오 게임 텍스트에 특화된 정제된 도메인 데이터셋으로 사전 훈련된 트랜스포머 기반 NMT 모델을 미세조정하기.
• 원천 및 목표 게임 텍스트가 정렬된 병렬 코퍼스를 사용하여 시퀀스에서 시퀀스 모델의 엔드 투 엔드 훈련을 가능하게 하기.
• 비디오 게임 장르에서의 일반화 및 용어 일관성 향상을 위해 도메인 적응 기법 적용하기.
• 생성된 번역의 유창성, 정확성, 문화적 적합성을 평가하기 위해 인간 평가 수행하기.
• 전체 자동화 도구가 아니라 제안 엔진으로서의 기능을 갖춘 시스템 설계하여 실시간으로 인간 번역가를 지원하기.
• 게임 텍스트(예: 대화, UI 문자열)의 본질적 정렬을 활용하여 데이터 수집 및 모델 미세조정을 용이하게 하기.

실험 결과

연구 질문

• RQ1 제한된 도메인 데이터로 훈련된 신경 기계 번역 모델이 비디오 게임 번역에서 공개적으로 이용 가능한 시스템을 능가할 수 있는가?
• RQ2 이러한 모델이 비디오 게임 현지화에 특화된 전형적인 언어 패턴과 용어를 어느 정도 학습하고 재현할 수 있는가?
• RQ3 유창성, 정확성, 문화적 적합성 측면에서 기계 번역된 비디오 게임 텍스트의 품질이 인간 번역과 비교해 어떻게 되는가?
• RQ4 기계 번역이 비디오 게임 현지화에서 창의성이나 품질을 떨어뜨리지 않으면서 번역가를 어떻게 지원할 수 있는가?
• RQ5 상호작용형 MT 시스템은 비디오 게임 번역가의 효율성과 근무 조건을 어떻게 향상시킬 수 있는가?

주요 결과

• 제한된 도메인 데이터로 훈련된 모델은 자동 평가 및 인간 평가 지표에서 공개적으로 이용 가능한 번역 시스템을 뚜렷이 뛰어넘었다.
• 모델는 영어에서 프랑스어로의 비디오 게임 번역에서 전형적인 장르별 용어와 스타일 패턴을 강력하게 학습하고 재현하는 데 성공했다.
• 인간 평가 결과, 모델의 출력은 자연스럽고 맥락에 적합했으며, 품질 측면에서 전문 번역가의 번역과 거의 구분되지 않았다.
• 모델는 관용구와 게임 내 관례(예: 캐릭터 이름, UI 레이블, 서사 톤)를 높은 일관성으로 정확히 포착했다.
• 결과적으로, MT를 완전한 대체 도구가 아니라 제안 도구로 사용하는 상호작용형 방식은 번역가의 생산성과 창의성을 향상시킬 수 있다.
• 이 연구는 현지화 워크플로우에 적절하게 구현된 MT가 열악한 근무 조건을 완화하고 저품질, 비용 중심의 번역에 대한 의존도를 줄일 수 있음을 시사한다.