論文の概要: Capturing Local and Global Patterns in Procedural Content Generation via Machine Learning

• arxiv url: http://arxiv.org/abs/2005.12579v1
• Date: Tue, 26 May 2020 08:58:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-28 23:30:05.228899
• Title: Capturing Local and Global Patterns in Procedural Content Generation via Machine Learning
• Title（参考訳）: 機械学習による手続き型コンテンツ生成における局所的・グローバル的パターンのキャプチャ
• Authors: Vanessa Volz and Niels Justesen and Sam Snodgrass and Sahar Asadi and Sami Purmonen and Christoffer Holmg\r{a}rd and Julian Togelius and Sebastian Risi
• Abstract要約: 機械学習(PCGML)法による最近の手続き的コンテンツ生成により、学習者は既存のコンテンツから類似したコンテンツを生成することができる。 これらのアプローチが対称性のような大規模な視覚パターンをどの程度うまく捉えることができるかは、オープンな疑問である。 本稿では,PCGMLアルゴリズムが適切なパターンを生成する能力について,その領域として3つのゲームにマッチする手法を提案する。
• 参考スコア（独自算出の注目度）: 9.697217570243845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent procedural content generation via machine learning (PCGML) methods allow learning from existing content to produce similar content automatically. While these approaches are able to generate content for different games (e.g. Super Mario Bros., DOOM, Zelda, and Kid Icarus), it is an open questions how well these approaches can capture large-scale visual patterns such as symmetry. In this paper, we propose match-three games as a domain to test PCGML algorithms regarding their ability to generate suitable patterns. We demonstrate that popular algorithm such as Generative Adversarial Networks struggle in this domain and propose adaptations to improve their performance. In particular we augment the neighborhood of a Markov Random Fields approach to not only take local but also symmetric positional information into account. We conduct several empirical tests including a user study that show the improvements achieved by the proposed modifications, and obtain promising results.
• Abstract（参考訳）: 機械学習(PCGML)法による最近の手続き的コンテンツ生成は、既存のコンテンツから学習して、類似コンテンツを自動的に生成することを可能にする。 これらのアプローチは、異なるゲーム(例えば、スーパーマリオブラザーズ、DOOM、ゼルダ、キッド・イカルス)のコンテンツを生成することができるが、これらのアプローチが対称性のような大規模な視覚パターンをどれだけうまく捉えることができるかは、オープンな疑問である。 本稿では,PCGMLアルゴリズムの適切なパターンを生成する能力に関する領域として,マッチ3ゲームを提案する。 本稿では,ジェネレーティブ・アドバイサル・ネットワークのような一般的なアルゴリズムがこの領域で苦労していることを示し,その性能向上のための適応を提案する。 特にマルコフ・ランダム場(英語版)アプローチの近傍を拡大し、局所的だけでなく対称的な位置情報も考慮する。 提案する修正によって達成された改善を示すユーザ調査など,いくつかの実証実験を行い,有望な結果を得た。

関連論文リスト

• Procedural Content Generation in Games: A Survey with Insights on Emerging LLM Integration [1.03590082373586]
  プロシージャコンテンツ生成(PCG)は、アルゴリズムを用いてゲームコンテンツの自動生成として定義される。 プレイヤーのエンゲージメントを高め、ゲームデザイナーの仕事を楽にする。 PCGにおけるディープラーニングアプローチの最近の進歩は、研究者や実践者がより洗練されたコンテンツを作成できるようにしている。 大規模言語モデル (LLMs) が登場し、PCGの進歩の軌跡を本当に破壊した。
  論文  参考訳（メタデータ） (2024-10-21T05:10:13Z)
• Adapting Vision-Language Models to Open Classes via Test-Time Prompt Tuning [50.26965628047682]
  学習済みのモデルをオープンクラスに適応させることは、機械学習において難しい問題である。 本稿では,両者の利点を組み合わせたテスト時プロンプトチューニング手法を提案する。 提案手法は,基本クラスと新クラスの両方を考慮し,すべての比較手法を平均的に上回る結果を得た。
  論文  参考訳（メタデータ） (2024-08-29T12:34:01Z)
• On the verification of Embeddings using Hybrid Markov Logic [2.113770213797994]
  本稿では,学習した表現の複雑な性質を検証するためのフレームワークを提案する。 このフレームワーク内のプロパティのパラメータを学習するためのアプローチを提案する。 本稿では,グラフニューラルネットワーク,深部知識追跡,知能学習システムにおける検証について述べる。
  論文  参考訳（メタデータ） (2023-12-13T17:04:09Z)
• Improving Masked Autoencoders by Learning Where to Mask [65.89510231743692]
  マスケ画像モデリングは視覚データに対する有望な自己教師型学習手法である。 本稿では,Gumbel-Softmax を用いて,対向学習マスク生成装置とマスク誘導画像モデリングプロセスとを相互接続するフレームワーク AutoMAE を提案する。 実験の結果,AutoMAEは,標準の自己監督型ベンチマークや下流タスクに対して,効果的な事前学習モデルを提供することがわかった。
  論文  参考訳（メタデータ） (2023-03-12T05:28:55Z)
• Self-Paced Learning for Open-Set Domain Adaptation [50.620824701934]
  従来のドメイン適応手法は、ソースとターゲットドメインのクラスが同一であると仮定する。 オープンセットドメイン適応(OSDA)は、この制限に対処する。 そこで,本研究では,共通クラスと未知クラスを識別するための自己評価学習に基づく新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-10T14:11:09Z)
• Learning Hidden Markov Models Using Conditional Samples [72.20944611510198]
  本稿では,隠れマルコフモデル(HMM)の学習における計算複雑性について述べる。 本稿では,HMMの条件分布からサンプルを問合せする対話型アクセスモデルを提案する。 具体的には、正確な条件付き確率に対するクエリアクセスが可能な設定において、HMMを学習するための効率的なアルゴリズムを得る。
  論文  参考訳（メタデータ） (2023-02-28T16:53:41Z)
• Ensemble Learning For Mega Man Level Generation [2.6402344419230697]
  マルコフ連鎖のアンサンブルを用いて, EmphMega Man レベルをプロシージャ的に生成する方法について検討した。 我々は,既存のマルコフ連鎖アプローチと比較し,演奏性およびスタイル的類似度の評価を行った。
  論文  参考訳（メタデータ） (2021-07-27T00:16:23Z)
• Few-shot Sequence Learning with Transformers [79.87875859408955]
  少数のトレーニング例で提供される新しいタスクの学習を目的とした少数のショットアルゴリズム。 本研究では,データポイントがトークンのシーケンスである設定において,少数ショット学習を行う。 トランスフォーマーに基づく効率的な学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-12-17T12:30:38Z)
• Information Theoretic Meta Learning with Gaussian Processes [74.54485310507336]
  情報理論の概念,すなわち相互情報と情報のボトルネックを用いてメタ学習を定式化する。 相互情報に対する変分近似を用いることで、メタ学習のための汎用的かつトラクタブルな枠組みを導出する。
  論文  参考訳（メタデータ） (2020-09-07T16:47:30Z)
• TOAD-GAN: Coherent Style Level Generation from a Single Example [24.039037782220017]
  トークンベースのゲームレベルを生成する新しいPCGアルゴリズムであるTOAD-GANを提案する。 スーパーマリオブラザーズレベルへの応用を実証し、任意のサイズで類似したスタイルの新たなレベルを生成することができる。
  論文  参考訳（メタデータ） (2020-08-04T13:44:50Z)
• An Unsupervised Random Forest Clustering Technique for Automatic Traffic Scenario Categorization [0.0]
  本稿では,交通状況の分類のためのランダムフォレストアルゴリズムの修正について述べる。 このアルゴリズムは、類似度尺度を含む近接行列を生成する。 その後、階層的なクラスタリングで並べ替えて、グラフィカルに解釈可能な表現を実現する。
  論文  参考訳（メタデータ） (2020-04-05T07:55:54Z)

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。