論文の概要: GAN-Based Content Generation of Maps for Strategy Games
- arxiv url: http://arxiv.org/abs/2301.02874v1
- Date: Sat, 7 Jan 2023 15:24:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 17:26:04.954192
- Title: GAN-Based Content Generation of Maps for Strategy Games
- Title(参考訳): GANによる戦略ゲーム用地図のコンテンツ生成
- Authors: Vasco Nunes, Jo\~ao Dias and Pedro A. Santos
- Abstract要約: 本稿では,GAN(Generative Adversarial Networks)に基づく地図生成モデルを提案する。
実装では、ハイトマップのデータセット上で、GANベースのネットワークのさまざまな変種をテストした。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Maps are a very important component of strategy games, and a time-consuming
task if done by hand. Maps generated by traditional PCG techniques such as
Perlin noise or tile-based PCG techniques look unnatural and unappealing, thus
not providing the best user experience for the players. However it is possible
to have a generator that can create realistic and natural images of maps, given
that it is trained how to do so. We propose a model for the generation of maps
based on Generative Adversarial Networks (GAN). In our implementation we tested
out different variants of GAN-based networks on a dataset of heightmaps. We
conducted extensive empirical evaluation to determine the advantages and
properties of each approach. The results obtained are promising, showing that
it is indeed possible to generate realistic looking maps using this type of
approach.
- Abstract(参考訳): 地図は戦略ゲームにおいて非常に重要な要素であり、手作業による作業には時間がかかる。
perlin ノイズや tile ベースの pcg 技術のような従来の pcg 技術によって生成されたマップは不自然に見えず、プレイヤーにとって最高のユーザエクスペリエンスを提供しない。
しかし、地図のリアルで自然なイメージを作成できるジェネレータを持つことは、その方法が訓練されていることを考えると可能である。
本稿では,GAN(Generative Adversarial Networks)に基づく地図生成モデルを提案する。
実装では、highmapsのデータセット上でganベースのネットワークのさまざまな変種をテストしました。
それぞれのアプローチの利点と特性を決定するため,実験的な評価を行った。
得られた結果は有望であり、この種のアプローチで現実的な地図を生成することは実際に可能であることを示している。
関連論文リスト
- C2GM: Cascading Conditional Generation of Multi-scale Maps from Remote Sensing Images Constrained by Geographic Features [2.414525855161937]
本稿では,リモートセンシング画像からマルチスケールタイルマップを生成する新しいフレームワークであるC2GMを提案する。
リモートセンシング画像とカスケード参照二重分岐入力からオブジェクトの事前情報を抽出する条件付き特徴フュージョンエンコーダを実装した。
C2GMは、すべてのメトリクスにおける最先端(SOTA)のパフォーマンスを一貫して達成する。
論文 参考訳(メタデータ) (2025-02-07T15:11:31Z) - HPix: Generating Vector Maps from Satellite Images [0.0]
衛星画像からベクトルタイルマップを生成するためにGAN(Generative Adversarial Networks)を改良したHPixと呼ばれる新しい手法を提案する。
経験的評価を通じて,提案手法は高精度かつ視覚的に表現可能なベクトルタイルマップを作成する上での有効性を示す。
さらに、道路交差点のマッピングや、その面積に基づいたフットプリントクラスタの構築など、我々の研究の応用を拡大する。
論文 参考訳(メタデータ) (2024-07-18T16:54:02Z) - Object Goal Navigation with Recursive Implicit Maps [92.6347010295396]
対象目標ナビゲーションのための暗黙的な空間マップを提案する。
提案手法は, 挑戦的なMP3Dデータセット上での技量を著しく上回る。
我々は、実際のロボットにモデルをデプロイし、実際のシーンでオブジェクトゴールナビゲーションの結果を奨励する。
論文 参考訳(メタデータ) (2023-08-10T14:21:33Z) - GANmapper: geographical content filling [0.0]
本稿では,GAN(Generative Adversarial Network)を用いた空間データ生成手法を提案する。
当社のコントリビューションでは、粗大で広く利用可能な地理空間データを使用して、構築された環境のより細かいスケールで、あまり利用できない機能のマップを作成しています。
我々は、土地利用データと道路ネットワークを入力として、建物のフットプリントを生成し、世界中の9都市で実験を行う。
論文 参考訳(メタデータ) (2021-08-07T05:50:54Z) - HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps [81.86923212296863]
HDマップは道路路面の正確な定義と交通ルールの豊富な意味を持つ地図である。
実際の道路トポロジやジオメトリはごくわずかで、自動運転スタックをテストする能力は著しく制限されています。
高品質で多様なHDマップを生成可能な階層グラフ生成モデルであるHDMapGenを提案する。
論文 参考訳(メタデータ) (2021-06-28T17:59:30Z) - CAMERAS: Enhanced Resolution And Sanity preserving Class Activation
Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。
CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文 参考訳(メタデータ) (2021-06-20T08:20:56Z) - Canonical Saliency Maps: Decoding Deep Face Models [47.036036069156104]
そこで本研究では, 顔面モデルにサリエンシーマップを投影し, 関連する顔面領域を強調表示する新しい手法"Canonical Saliency Map"を提案する。
提案手法は, アーキテクチャに関係なく, 任意の深層モデルで使用可能な正準塩分マップの有用性を示す。
論文 参考訳(メタデータ) (2021-05-04T09:42:56Z) - Gaussian Process Gradient Maps for Loop-Closure Detection in
Unstructured Planetary Environments [17.276441789710574]
以前にマップされた位置を認識する能力は、自律システムにとって不可欠な機能である。
非構造的な惑星のような環境は、地形の類似性のためにこれらのシステムに大きな課題をもたらす。
本稿では,空間情報のみを用いたループ閉鎖問題の解法を提案する。
論文 参考訳(メタデータ) (2020-09-01T04:41:40Z) - Rethinking Localization Map: Towards Accurate Object Perception with
Self-Enhancement Maps [78.2581910688094]
本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。
特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
論文 参考訳(メタデータ) (2020-06-09T12:35:55Z) - Using Tabu Search Algorithm for Map Generation in the Terra Mystica
Tabletop Game [60.71662712899962]
Tabu Search (TS)メタヒューリスティックは、アルゴリズムが局所最適点から逃れることによって、単純な局所探索アルゴリズムを改善する。
本稿では,TSの性能について検討し,タブリストのサイズと周辺地域のサイズが手続き的コンテンツ生成に与える影響について考察する。
論文 参考訳(メタデータ) (2020-06-04T09:15:46Z) - SMAPGAN: Generative Adversarial Network Based Semi-Supervised Styled Map
Tiles Generating Method [0.0]
Google MapやBaidu Mapといったインターネット上で広く使われている従来のオンラインマップタイルは、ベクトルデータからレンダリングされる。
本稿では,SMAPGANモデルに基づくスタイル付き地図タイルの半教師付き生成を提案する。
実験結果から,SMAPGANは平均二乗誤差,構造類似度指数,ESSIに基づいて,最先端のSOTA(State-of-the-art)よりも優れていた。
論文 参考訳(メタデータ) (2020-01-21T04:13:21Z)
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。