Fugu-MT 論文翻訳(概要): Hybrid Encoding For Generating Large Scale Game Level Patterns With Local Variations Using a GAN

論文の概要: Hybrid Encoding For Generating Large Scale Game Level Patterns With Local Variations Using a GAN

arxiv url: http://arxiv.org/abs/2105.12960v1
Date: Thu, 27 May 2021 06:27:19 GMT
ステータス: 処理完了
システム内更新日: 2021-05-28 16:12:29.339391
Title: Hybrid Encoding For Generating Large Scale Game Level Patterns With Local Variations Using a GAN
Title（参考訳）: GANを用いた局所変動を用いた大規模ゲームレベルのハイブリッド符号化
Authors: Jacob Schrum, Benjamin Capps, Kirby Steckel, Vanessa Volz, Sebastian Risi
Abstract要約: 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。
参考スコア（独自算出の注目度）: 5.144809478361604
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Generative Adversarial Networks (GANs) are a powerful indirect genotype-to-phenotype mapping for evolutionary search, but they have limitations. In particular, GAN output does not scale to arbitrary dimensions, and there is no obvious way to combine GAN outputs into a cohesive whole, which would be useful in many areas, such as video game level generation. Game levels often consist of several segments, sometimes repeated directly or with variation, organized into an engaging pattern. Such patterns can be produced with Compositional Pattern Producing Networks (CPPNs). Specifically, a CPPN can define latent vector GAN inputs as a function of geometry, which provides a way to organize level segments output by a GAN into a complete level. However, a collection of latent vectors can also be evolved directly, to produce more chaotic levels. Here, we propose a new hybrid approach that evolves CPPNs first, but allows the latent vectors to evolve later, and combines the benefits of both approaches. These approaches are evaluated in Super Mario Bros. and The Legend of Zelda. We previously demonstrated via divergent search (MAP-Elites) that CPPNs better cover the space of possible levels than directly evolved levels. Here, we show that the hybrid approach can cover areas that neither of the other methods can and achieves comparable or superior QD scores.
Abstract（参考訳）: Generative Adversarial Networks (GAN) は進化的探索のための強力な間接的なジェノタイプ-フェノタイプマッピングであるが、制限がある。特にgan出力は任意の次元にスケールせず、gan出力を結合的な全体に変換する明確な方法は存在せず、ゲームレベル生成のような多くの分野において有用である。ゲームレベルは、しばしばいくつかのセグメントで構成され、しばしば直接または変化して、エンゲージメントパターンに編成される。このようなパターンをコンポジションパターン生成ネットワーク(CPPN)で生成することができる。具体的には、CPPN は遅延ベクトル GAN 入力を幾何学の関数として定義することができ、GAN によって出力されるレベルセグメントを完全なレベルに整理する方法を提供する。しかし、潜在ベクトルの集まりはよりカオスレベルを生み出すために直接進化することもできる。ここでは,まず cppn を進化させるが, 潜在ベクトルが後に進化することを可能にする新しいハイブリッドアプローチを提案し, 両者の利点を組み合わせる。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。 CPPNsは直接的に進化するレベルよりも、可能レベルの空間をよりよくカバーできることを示した。ここでは、ハイブリッド手法は、どちらの手法も同等あるいは優れたQDスコアを達成できない領域をカバーすることができることを示す。

関連論文リスト

Distance Guided Generative Adversarial Network for Explainable Binary Classifications [16.217674670254382]
本稿では,超平面空間における生成サンプルの変動度を制御できる距離誘導型GAN(DisGAN)を提案する。実験結果から, DisGAN は GAN に基づく拡張法よりも一貫した性能を示した。
論文参考訳（メタデータ） (2023-12-29T09:50:35Z)
StyleGenes: Discrete and Efficient Latent Distributions for GANs [149.0290830305808]
GAN(Generative Adversarial Networks)のための離散潜在分布を提案する。連続的な先行点から潜在ベクトルを描く代わりに、学習可能な潜在点の有限集合からサンプリングする。私たちは生物の情報のエンコーディングからインスピレーションを得ます。
論文参考訳（メタデータ） (2023-04-30T23:28:46Z)
Combating Mode Collapse in GANs via Manifold Entropy Estimation [70.06639443446545]
Generative Adversarial Networks (GAN) は、様々なタスクやアプリケーションにおいて魅力的な結果を示している。 GANのモード崩壊問題に対処するための新しいトレーニングパイプラインを提案する。
論文参考訳（メタデータ） (2022-08-25T12:33:31Z)
Top-N: Equivariant set and graph generation without exchangeability [61.24699600833916]
集合やグラフ上の分布の前にベクトル形状をマッピングするワンショット確率デコーダを考える。これらの機能は、可変オートエンコーダ(VAE)、生成逆数ネットワーク(GAN)、正規化フローに統合することができる。 Top-nは、トレーニング可能な参照セットから最も関連性の高いポイントを選択することを学ぶ、決定論的で非交換可能なセット生成メカニズムである。
論文参考訳（メタデータ） (2021-10-05T14:51:19Z)
Auto-Parsing Network for Image Captioning and Visual Question Answering [101.77688388554097]
本稿では,入力データの隠れ木構造を発見し,活用するための自動パーシングネットワーク(APN)を提案する。具体的には、各自己注意層における注意操作によってパラメータ化された確率的グラフモデル(PGM)を課し、スパース仮定を組み込む。
論文参考訳（メタデータ） (2021-08-24T08:14:35Z)
Epigenetic evolution of deep convolutional models [81.21462458089142]
我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
論文参考訳（メタデータ） (2021-04-12T12:45:16Z)
Using Multiple Generative Adversarial Networks to Build Better-Connected Levels for Mega Man [0.0]
本稿では,GAN生成セグメントをスネーキングパターンに組み合わせて,メガマンのレベルを作成することに焦点を当てる。複数のGANは、セグメント間のより良いフローを保証するために、異なるタイプのセグメントで訓練された。
論文参考訳（メタデータ） (2021-01-30T23:34:15Z)
Positional Encoding as Spatial Inductive Bias in GANs [97.6622154941448]
SinGANは限られた有効な受容器分野にもかかわらず内部パッチ配分の学習の印象的な機能を示します。本研究では,発電機のパディングゼロ時における暗黙的位置符号化によって,このような能力が大幅にもたらされることを示した。本稿では,新しいマルチスケール学習戦略を提案し,その効果を最新型無条件発電機stylegan2で実証する。
論文参考訳（メタデータ） (2020-12-09T18:27:16Z)
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)
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)
CPPN2GAN: Combining Compositional Pattern Producing Networks and GANs for Large-scale Pattern Generation [8.719982934025417]
CPPN2GANは、GANによって出力されるレベルセグメントを完全なレベルにまとめることができる。この新しいCPPN2GANアプローチはスーパーマリオブラザーズとゼルダ伝説の両方で検証されている。
論文参考訳（メタデータ） (2020-04-03T04:29:43Z)

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。