Fugu-MT 論文翻訳(概要): Procedural content generation of puzzle games using conditional generative adversarial networks

論文の概要: Procedural content generation of puzzle games using conditional generative adversarial networks

arxiv url: http://arxiv.org/abs/2306.15696v1
Date: Mon, 26 Jun 2023 09:34:47 GMT
ステータス: 処理完了
システム内更新日: 2023-06-29 17:12:41.528615
Title: Procedural content generation of puzzle games using conditional generative adversarial networks
Title（参考訳）: 条件付き生成対向ネットワークを用いたパズルゲームの手続き的コンテンツ生成
Authors: Andreas Hald, Jens Struckmann Hansen, Jeppe Kristensen, Paolo Burelli
Abstract要約: 本稿では,GANを用いてパズルゲームLily's Gardenのレベルを生成する実験手法を提案する。 GANの出力の詳細を制御するために,実レベルから2つの条件ベクトルを抽出する。
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: In this article, we present an experimental approach to using parameterized Generative Adversarial Networks (GANs) to produce levels for the puzzle game Lily's Garden. We extract two condition vectors from the real levels in an effort to control the details of the GAN's outputs. While the GANs perform well in approximating the first condition (map shape), they struggle to approximate the second condition (piece distribution). We hypothesize that this might be improved by trying out alternative architectures for both the Generator and Discriminator of the GANs.
Abstract（参考訳）: 本稿では,パズルゲームlily's gardenのレベルを生成するために,パラメータ化生成逆ネットワーク(gans)を用いた実験手法を提案する。我々は、ganの出力の詳細を制御するために、実レベルから2つの条件ベクトルを抽出する。 GANは第1条件(マップ形状)の近似においてよく機能するが、第2条件(ピース分布)を近似するのに苦労する。我々は、GANのジェネレータとディスクリミネータの両方の代替アーキテクチャを試すことで、これを改善できるかもしれないと仮定する。

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)
Compressing Image-to-Image Translation GANs Using Local Density Structures on Their Learned Manifold [69.33930972652594]
GAN(Generative Adversarial Networks)は、画像から画像への変換のための複雑なデータ分散のモデル化において、顕著な成功を収めている。既存のGAN圧縮法は主に知識蒸留や畳み込み分類器の刈り取り技術に依存している。学習多様体上の元のパラメータ重モデルの密度構造を保存するために,プルーンドモデルを明示的に促すことにより,新しいアプローチを提案する。画像変換GANモデルであるPix2PixとCycleGANについて,様々なベンチマークデータセットとアーキテクチャを用いて実験を行い,本手法の有効性を実証した。
論文参考訳（メタデータ） (2023-12-22T15:43:12Z)
Guided Image-to-Image Translation by Discriminator-Generator Communication [71.86347329356244]
Image-to-image (I2I) 翻訳の目標は、ソースドメインからターゲットドメインに画像を転送することである。本研究の主な分野は,GAN(Generative Adversarial Network)に基づくI2I翻訳の定式化である。
論文参考訳（メタデータ） (2023-03-07T02:29:36Z)
Fuzzy Generative Adversarial Networks [0.0]
Generative Adversarial Networks (GAN) は、データ生成と半教師付き分類のためのよく知られたツールである。本稿では,平均絶対誤差(MAE)と平均二乗誤差(MSE)によるGANの回帰能力の向上を示す手法を提案する。ファジィ論理層を追加することで、GANの回帰処理能力が向上し、最も望ましい注入位置は問題固有であることが示される。
論文参考訳（メタデータ） (2021-10-27T17:05:06Z)
Hidden Convexity of Wasserstein GANs: Interpretable Generative Models with Closed-Form Solutions [31.952858521063277]
凸双対レンズを用いた2層ニューラルネットワーク判別器によるワッサースタインGANの影響を解析した。さらに、識別器の異なる活性化機能のパワーを実証する。
論文参考訳（メタデータ） (2021-07-12T18:33:49Z)
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)
Monte Carlo Simulation of SDEs using GANs [0.0]
GAN が 1 次元幾何学的 Ito 微分方程式 (SDE) の近似にも使用できるかどうかを検討する。標準GANは分布の過程を近似できるだけであり、SDEに弱い近似をもたらす。強い近似を可能にする条件付きGANアーキテクチャを提案する。標準GANおよび監督GANと得られた入力出力マップを比較し、標準GANがパスワイズ近似を提供できない可能性があることを実験的に示した。
論文参考訳（メタデータ） (2021-04-03T16:06:30Z)
Guiding GANs: How to control non-conditional pre-trained GANs for conditional image generation [69.10717733870575]
本稿では,汎用非条件GANを条件GANとして振る舞うための新しい方法を提案する。提案手法は,非条件GANのジェネレータネットワークに供給される高次元ランダム入力を生成するために,エンコーダネットワークを混合するものである。
論文参考訳（メタデータ） (2021-01-04T14:03:32Z)
Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文参考訳（メタデータ） (2020-10-12T16:50:22Z)
GANs with Variational Entropy Regularizers: Applications in Mitigating the Mode-Collapse Issue [95.23775347605923]
深層学習の成功に基づいて、GAN(Generative Adversarial Networks)は、観測されたサンプルから確率分布を学習するための現代的なアプローチを提供する。 GANはしばしば、ジェネレータが入力分布の既存のすべてのモードをキャプチャできないモード崩壊問題に悩まされる。情報理論のアプローチを採り、生成したサンプルのエントロピーの変動的下限を最大化し、それらの多様性を増大させる。
論文参考訳（メタデータ） (2020-09-24T19:34:37Z)
Improving Generative Adversarial Networks with Local Coordinate Coding [150.24880482480455]
GAN(Generative Adversarial Network)は、事前定義された事前分布から現実的なデータを生成することに成功している。実際には、意味情報はデータから学んだ潜在的な分布によって表現される。ローカル座標符号化(LCC)を用いたLCCGANモデルを提案する。
論文参考訳（メタデータ） (2020-07-28T09:17:50Z)

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。