論文の概要: TOAD-GAN: Coherent Style Level Generation from a Single Example

• arxiv url: http://arxiv.org/abs/2008.01531v1
• Date: Tue, 4 Aug 2020 13:44:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 23:12:16.701866
• Title: TOAD-GAN: Coherent Style Level Generation from a Single Example
• Title（参考訳）: TOAD-GAN: 単一例によるコヒーレントなスタイルレベルの生成
• Authors: Maren Awiszus, Frederik Schubert, Bodo Rosenhahn
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 24.039037782220017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we present TOAD-GAN (Token-based One-shot Arbitrary Dimension Generative Adversarial Network), a novel Procedural Content Generation (PCG) algorithm that generates token-based video game levels. TOAD-GAN follows the SinGAN architecture and can be trained using only one example. We demonstrate its application for Super Mario Bros. levels and are able to generate new levels of similar style in arbitrary sizes. We achieve state-of-the-art results in modeling the patterns of the training level and provide a comparison with different baselines under several metrics. Additionally, we present an extension of the method that allows the user to control the generation process of certain token structures to ensure a coherent global level layout. We provide this tool to the community to spur further research by publishing our source code.
• Abstract（参考訳）: 本研究では,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(Token-based One-shot Arbitrary Dimension Generative Adversarial Network)を提案する。 TOAD-GANはSinGANアーキテクチャに従い、1つの例だけでトレーニングできる。 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。 我々は,トレーニングレベルのパターンをモデル化し,複数の指標の異なるベースラインと比較することにより,最先端の結果を得る。 さらに,特定のトークン構造の生成過程をユーザが制御し,一貫性のあるグローバルレベルのレイアウトを確実にする手法の拡張を提案する。 私たちはこのツールをコミュニティに提供し、ソースコードを公開することでさらなる研究を促します。

関連論文リスト

• Language Models are Graph Learners [70.14063765424012]
  言語モデル(LM)は、グラフニューラルネットワーク(GNN)やグラフトランスフォーマー(GT)など、ドメイン固有のモデルの優位性に挑戦している。 本稿では,ノード分類タスクにおける最先端のGNNに匹敵する性能を実現するために,既製のLMを有効活用する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-03T08:27:54Z)
• LC-Protonets: Multi-label Few-shot learning for world music audio tagging [65.72891334156706]
  ラベル結合型プロトタイプネットワーク(LC-Protonets)を導入し,複数ラベルの複数ショット分類の問題に対処する。 LC-Protonetsは、限られたトレーニング項目に存在するラベルのパワーセットから、ラベルの組み合わせごとに1つのプロトタイプを生成する。 本手法は,様々な文化をカバーし,現代音楽と伝統音楽の両方を含む,多様な音楽データセットにまたがる自動音声タグ付けに適用する。
  論文  参考訳（メタデータ） (2024-09-17T15:13:07Z)
• Local and Global GANs with Semantic-Aware Upsampling for Image Generation [201.39323496042527]
  ローカルコンテキストを用いて画像を生成することを検討する。 セマンティックマップをガイダンスとして用いたクラス固有の生成ネットワークを提案する。 最後に,セマンティック・アウェア・アップサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2022-02-28T19:24:25Z)
• 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)
• Learning Hierarchical Graph Neural Networks for Image Clustering [81.5841862489509]
  本稿では,画像の集合を未知の個数にクラスタリングする方法を学ぶ階層型グラフニューラルネットワーク(GNN)モデルを提案する。 我々の階層的なGNNは、階層の各レベルで予測される連結コンポーネントをマージして、次のレベルで新しいグラフを形成するために、新しいアプローチを用いています。
  論文  参考訳（メタデータ） (2021-07-03T01:28:42Z)
• Hybrid Encoding For Generating Large Scale Game Level Patterns With Local Variations Using a GAN [5.144809478361604]
  我々はまずCPPNを進化させる新しいハイブリッドアプローチを提案するが、遅延ベクトルは後に進化し、両方のアプローチの利点を組み合わせることができる。 これらのアプローチはスーパーマリオブラザーズとゼルダの伝説で評価されている。
  論文  参考訳（メタデータ） (2021-05-27T06:27:19Z)
• Self-Supervised Learning of Graph Neural Networks: A Unified Review [50.71341657322391]
  ラベルなしサンプルを多用する新たなパラダイムとして,自己教師型学習が登場している。 SSLを用いたグラフニューラルネットワーク(GNNs)のトレーニング方法の統一レビューを提供します。 gnnに対するssl手法の処理は,様々な手法の類似性と相違に光を当て,新しい手法やアルゴリズムの開発段階を定めている。
  論文  参考訳（メタデータ） (2021-02-22T03:43:45Z)
• Sequential Segment-based Level Generation and Blending using Variational Autoencoders [5.33024001730262]
  生成されたセグメントが論理的に先行セグメントから従うようなセグメント生成のシーケンシャルモデルを学ぶために、VAEを訓練する。 これら4つの方向のいずれかで進行する任意の長レベルを任意に生成できるパイプラインを得る。 非固定長のよりコヒーレントなレベルを生成することに加えて、この方法は別のゲームからレベルを暗黙にブレンドすることを可能にしている。
  論文  参考訳（メタデータ） (2020-07-17T04:11:51Z)
• UniT: Unified Knowledge Transfer for Any-shot Object Detection and Segmentation [52.487469544343305]
  オブジェクト検出とセグメンテーションの方法は、トレーニングのための大規模インスタンスレベルのアノテーションに依存します。 本稿では,直感的かつ統一的な半教師付きモデルを提案する。
  論文  参考訳（メタデータ） (2020-06-12T22:45:47Z)
• Capturing Local and Global Patterns in Procedural Content Generation via Machine Learning [9.697217570243845]
  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。
  論文  参考訳（メタデータ） (2020-05-26T08:58:37Z)

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。