論文の概要: Gen\'eLive! Generating Rhythm Actions in Love Live!

• arxiv url: http://arxiv.org/abs/2202.12823v1
• Date: Fri, 25 Feb 2022 17:03:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-28 17:01:42.875200
• Title: Gen\'eLive! Generating Rhythm Actions in Love Live!
• Title（参考訳）: ジェニブ! ラブライブでリズムアクションを 生成!
• Authors: Atsushi Takada, Daichi Yamazaki, Likun Liu, Yudai Yoshida, Nyamkhuu Ganbat, Takayuki Shimotomai, Taiga Yamamoto, Daisuke Sakurai, Naoki Hamada
• Abstract要約: リズムアクションゲーム(英: rhythm action game)は、音楽セッション中にプレイヤーが正しいタイミングでコマンドを発行するよう挑戦される音楽ベースのビデオゲームである。 この作業の前に、同社は手動でチャートを作成したため、コストのかかるビジネス運用が実現した。 本稿は,KLab がグラフ合成に深層生成モデルを適用した方法を示し,グラフ生成プロセスがいかに改善されたかを示す。
• 参考スコア（独自算出の注目度）: 1.3912598476882783
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A rhythm action game is a music-based video game in which the player is challenged to issue commands at the right timings during a music session. The timings are rendered in the chart, which consists of visual symbols, called notes, flying through the screen. KLab Inc., a Japan-based video game developer, has operated rhythm action games including a title for the "Love Live!" franchise, which became a hit across Asia and beyond. Before this work, the company generated the charts manually, which resulted in a costly business operation. This paper presents how KLab applied a deep generative model for synthesizing charts, and shows how it has improved the chart production process, reducing the business cost by half. Existing generative models generated poor quality charts for easier difficulty modes. We report how we overcame this challenge through a multi-scaling model dedicated to rhythm actions, by considering beats among other things. Our model, named Gen\'eLive!, is evaluated using production datasets at KLab as well as open datasets.
• Abstract（参考訳）: リズムアクションゲーム(英: rhythm action game)は、音楽セッション中にプレイヤーが正しいタイミングでコマンドを発するように挑戦する音楽ベースのビデオゲームである。 タイミングはチャートに表示されるが、これはノートと呼ばれる視覚的なシンボルで、画面を飛んでいる。 KLabは「Love Live!」シリーズのタイトルを含むリズムアクションゲームを運営しており、アジアなどでヒットとなった。 この作業の前に、同社は手動でチャートを作成し、コストのかかるビジネス運用につながった。 本稿は,KLabがグラフの合成に深層生成モデルを適用した方法を示し,チャート作成プロセスが改善し,事業コストが半減したことを示す。 既存の生成モデルは、容易な困難モードのために品質の悪いチャートを生成しました。 我々は、リズムアクションに特化したマルチスケーリングモデルを通じて、ビートを考慮し、この課題を克服する方法を報告する。 私たちのモデルはgen\'elive!と名付けられ、klabのプロダクションデータセットとオープンデータセットを使って評価されます。

関連論文リスト

• MusicFlow: Cascaded Flow Matching for Text Guided Music Generation [53.63948108922333]
  MusicFlowは、フローマッチングに基づくケースドテキストから音楽への生成モデルである。 学習目的としてマスク予測を活用することで,音楽の充実や継続といった他のタスクにモデルを一般化することができる。
  論文  参考訳（メタデータ） (2024-10-27T15:35:41Z)
• MuPT: A Generative Symbolic Music Pretrained Transformer [56.09299510129221]
  音楽の事前学習におけるLarge Language Models (LLM) の適用について検討する。 生成過程の異なるトラックからの不整合対策に関連する課題に対処するために,SMT-ABC Notation(Synchronized Multi-Track ABC Notation)を提案する。 私たちのコントリビューションには、最大8192個のトークンを処理可能な一連のモデルが含まれており、トレーニングセットの象徴的な音楽データの90%をカバーしています。
  論文  参考訳（メタデータ） (2024-04-09T15:35:52Z)
• Beat-Aligned Spectrogram-to-Sequence Generation of Rhythm-Game Charts [18.938897917126408]
  グラフ生成をシーケンス生成タスクとして定式化し、大きなデータセットを使用してTransformerをトレーニングする。 また,テンポインフォームド・プレプロセッシングとトレーニング・プロシージャを導入し,その一部はトレーニングを成功させる上で不可欠なものであることを示唆した。
  論文  参考訳（メタデータ） (2023-11-22T20:47:52Z)
• Level generation for rhythm VR games [0.0]
  ラグナロック(Ragnarock)は、バーチャルリアリティーのリズムゲームで、ロングシップレースに出場するバイキングのキャプテンをプレイする。 2つのハンマーで、そのタスクは、迫力のあるバイキング音楽と同期して、入ってくるランを潰すことである。 ビートマップの作成には数時間を要する。 この研究は、振り付け学習のタスクとしても知られるビートマップ作成のプロセスを自動化することを目的としている。
  論文  参考訳（メタデータ） (2023-04-13T20:24:51Z)
• Infusing Commonsense World Models with Graph Knowledge [89.27044249858332]
  オープンワールドテキストアドベンチャーゲームにおける物語生成の設定について検討する。 基礎となるゲーム状態のグラフ表現は、接地グラフ表現と自然言語記述とアクションの両方を消費し出力するモデルを訓練するために使用することができる。
  論文  参考訳（メタデータ） (2023-01-13T19:58:27Z)
• A Graph-Based Method for Soccer Action Spotting Using Unsupervised Player Classification [75.93186954061943]
  アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。 本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。 プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
  論文  参考訳（メタデータ） (2022-11-22T15:23:53Z)
• TaikoNation: Patterning-focused Chart Generation for Rhythm Action Games [1.590611306750623]
  パターン化は高品質のリズムゲームコンテンツの重要な識別子であり、人間のランキングに必要なコンポーネントと見なされている。 我々は、先行研究よりも、より一貫性があり、人間的なパターンを持つチャートを生成する新しいチャート生成手法を確立する。
  論文  参考訳（メタデータ） (2021-07-26T22:55:57Z)
• PopMAG: Pop Music Accompaniment Generation [190.09996798215738]
  単一シーケンスでの同時マルチトラック生成が可能なMUlti-track MIDI表現(MuMIDI)を提案する。 MuMIDIはシーケンス長を拡大し、長期音楽モデリングの新しい課題をもたらす。 我々は,ポップミュージックの伴奏生成をPopMAGと呼ぶ。
  論文  参考訳（メタデータ） (2020-08-18T02:28:36Z)
• Compositional Video Synthesis with Action Graphs [112.94651460161992]
  アクションのビデオは、空間と時間の豊富な構成構造を含む複雑な信号である。 本稿では、アクショングラフと呼ばれるグラフ構造におけるアクションを表現し、新しいアクショングラフ・トゥ・ビデオ合成タスクを提案する。 このタスクのための生成モデル(AG2Vid)は、動作と外観の特徴を歪め、アクションのスケジューリング機構を組み込むことで、タイムリーかつ協調的なビデオ生成を容易にする。
  論文  参考訳（メタデータ） (2020-06-27T09:39:04Z)

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。