論文の概要: Transforming Exploratory Creativity with DeLeNoX

• arxiv url: http://arxiv.org/abs/2103.11715v1
• Date: Mon, 22 Mar 2021 10:39:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-23 14:48:41.040137
• Title: Transforming Exploratory Creativity with DeLeNoX
• Title（参考訳）: DeLeNoXによる探査創造性変換
• Authors: Antonios Liapis, Hector P. Martinez, Julian Togelius and Georgios N. Yannakakis
• Abstract要約: DeLeNoXは、独自の進化する面白さ基準に従って制約空間にアーティファクトを作成するシステムです。 本論文では、DeLeNoXを2次元アーケード型コンピュータゲームでの使用に適した宇宙船の作成に適用する。
• 参考スコア（独自算出の注目度）: 7.446624936653898
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce DeLeNoX (Deep Learning Novelty Explorer), a system that autonomously creates artifacts in constrained spaces according to its own evolving interestingness criterion. DeLeNoX proceeds in alternating phases of exploration and transformation. In the exploration phases, a version of novelty search augmented with constraint handling searches for maximally diverse artifacts using a given distance function. In the transformation phases, a deep learning autoencoder learns to compress the variation between the found artifacts into a lower-dimensional space. The newly trained encoder is then used as the basis for a new distance function, transforming the criteria for the next exploration phase. In the current paper, we apply DeLeNoX to the creation of spaceships suitable for use in two-dimensional arcade-style computer games, a representative problem in procedural content generation in games. We also situate DeLeNoX in relation to the distinction between exploratory and transformational creativity, and in relation to Schmidhuber's theory of creativity through the drive for compression progress.
• Abstract（参考訳）: delenox (deep learning novelty explorer) は,その進化する興味深い性質基準に従って,制約された空間で自動的にアーティファクトを生成するシステムである。 DeLeNoXは探索と変換の交互に進行する。 探索段階では、与えられた距離関数を用いて、最大多種多様なアーティファクトの探索を制約処理したノベルティサーチが強化される。 変換フェーズでは、ディープラーニングオートエンコーダが、見つかったアーティファクト間のばらつきを低次元空間に圧縮することを学ぶ。 次に、新たに訓練されたエンコーダを新しい距離関数の基礎として使用し、次の探査フェーズの基準を変換する。 本稿では,2次元アーケード型コンピュータゲームに適した宇宙船の開発にdelenoxを適用した。 また,DeLeNoXは探索的創造性と変換的創造性との区別と,圧縮の進展を推し進めることで,Schmidhuberの創造性理論に関連している。

関連論文リスト

• Meta-Diversity Search in Complex Systems, A Recipe for Artificial Open-Endedness ? [0.0]
  この記事では、Minecraftにおける新しい複雑なアーティファクトの終わりのない世代のための、いくつかの機能的な材料であると考えられるものを紹介します。 我々は,レニア連続セルオートマトンを用いた人工的な「化学」システムをシミュレートし,人工的な「発見アシスタント」(ホームズと呼ばれる)を人工的に生成する。
  論文  参考訳（メタデータ） (2023-12-01T09:40:27Z)
• Xformer: Hybrid X-Shaped Transformer for Image Denoising [114.37510775636811]
  本稿では,XformerというハイブリッドX字型視覚変換器について紹介する。 Xformerは、合成および実世界の画像復調タスクで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-03-11T16:32:09Z)
• Exploring Spatial-Temporal Features for Deepfake Detection and Localization [0.0]
  本稿では,空間的特徴と時間的特徴を同時に探索するDeepfakeネットワークを提案する。 具体的には、顔のマイクロ圧縮の正確な幾何学的動きをモデル化することにより、時間的(動き)の特徴を抽出する新しいアンカー・メシュ・モーション(AMM)アルゴリズムを設計する。 我々のST-DDLネットワークの優位性は、いくつかの最先端の競合相手との実験的比較によって検証される。
  論文  参考訳（メタデータ） (2022-10-28T03:38:49Z)
• Searching a High-Performance Feature Extractor for Text Recognition Network [92.12492627169108]
  優れた特徴抽出器を持つための原理を探求し,ドメイン固有の検索空間を設計する。 空間は巨大で複雑な構造であるため、既存のNASアルゴリズムを適用することはできない。 本研究では,空間内を効率的に探索する2段階のアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-09-27T03:49:04Z)
• Open-Ended Evolution for Minecraft Building Generation [1.393683063795544]
  本稿では,本質的な新規性の定義に従ってMinecraftの建物を進化させるプロシージャコンテンツジェネレータを提案する。 3次元オートエンコーダを用いて潜伏空間における個体の新規性を評価し,探索と変換の段階を交互に検討した。
  論文  参考訳（メタデータ） (2022-09-07T12:48:57Z)
• Knowledge Distillation via the Target-aware Transformer [83.03578375615614]
  本稿では,新しい一対一空間マッチング知識蒸留手法を提案する。 具体的には,教師の特徴のそれぞれのピクセルを,生徒の特徴の空間的位置すべてに蒸留する。 我々のアプローチは、様々なコンピュータビジョンベンチマークにおいて最先端の手法をはるかに上回っている。
  論文  参考訳（メタデータ） (2022-05-22T10:26:54Z)
• Learning Local Displacements for Point Cloud Completion [93.54286830844134]
  本稿では,3次元点雲として表現された部分的スキャンからオブジェクトとセマンティックシーンを補完する手法を提案する。 アーキテクチャはエンコーダ-デコーダ構造内で連続的に使用される3つの新しいレイヤに依存している。 オブジェクトと屋内の両方のシーン完了タスクにおけるアーキテクチャの評価を行い、最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-03-30T18:31:37Z)
• Expressivity of Parameterized and Data-driven Representations in Quality Diversity Search [111.06379262544911]
  2つの異なる検索空間で実施した品質多様性進化探索の出力多様性を比較する。 学習モデルは、未知の例への外挿や拡大よりも、既知のデータポイント間の補間が優れている。
  論文  参考訳（メタデータ） (2021-05-10T10:27:43Z)
• Decoupled Spatial-Temporal Transformer for Video Inpainting [77.8621673355983]
  ビデオは、特定の穴をリアルな外観で埋めることを目指していますが、豊かなディープラーニングアプローチでも依然として難しい作業です。 最近の研究は、将来有望なTransformerアーキテクチャをディープビデオのインペイントに導入し、より良いパフォーマンスを実現している。 ビデオインペインティングを優れた効率で改善するため、DSTT(Decoupled Spatial-Temporal Transformer)を提案します。
  論文  参考訳（メタデータ） (2021-04-14T05:47:46Z)
• Controllable Level Blending between Games using Variational Autoencoders [6.217860411034386]
  スーパーマリオブラザーズとキッド・イカラスのレベルデータに基づいてVAEをトレーニングし、両方のゲームにまたがる潜伏空間を捕捉できるようにします。 次に、この空間を用いて、両方のゲームからレベルの特性を組み合わせたレベルセグメントを生成する。 これらの余裕は、特に共同創造的レベルの設計にVAEベースのアプローチを適していると我々は主張する。
  論文  参考訳（メタデータ） (2020-02-27T01:38:35Z)

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。