論文の概要: Generating Redstone Style Cities in Minecraft

• arxiv url: http://arxiv.org/abs/2307.09777v1
• Date: Wed, 19 Jul 2023 06:36:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-20 15:18:58.373507
• Title: Generating Redstone Style Cities in Minecraft
• Title（参考訳）: マインクラフトのレッドストーン型都市づくり
• Authors: Shuo Huang, Chengpeng Hu, Julian Togelius, Jialin Liu
• Abstract要約: 本稿では,2023年度マインクラフト開発コンペティションコンペティション(Minecraft Settlement Generation Competition for Minecraft)のエントリーとして提出された都市ジェネレータについて紹介する。 生成手順は、植生の除去、地形の変更、建築レイアウトの生成、ルート計画、街灯配置、壁建設の6つの主要なステップで構成されている。
• 参考スコア（独自算出の注目度）: 7.047846528263768
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Procedurally generating cities in Minecraft provides players more diverse scenarios and could help understand and improve the design of cities in other digital worlds and the real world. This paper presents a city generator that was submitted as an entry to the 2023 Edition of Minecraft Settlement Generation Competition for Minecraft. The generation procedure is composed of six main steps, namely vegetation clearing, terrain reshaping, building layout generation, route planning, streetlight placement, and wall construction. Three algorithms, including a heuristic-based algorithm, an evolving layout algorithm, and a random one are applied to generate the building layout, thus determining where to place different redstone style buildings, and tested by generating cities on random maps in limited time. Experimental results show that the heuristic-based algorithm is capable of finding an acceptable building layout faster for flat maps, while the evolving layout algorithm performs better in evolving layout for rugged maps. A user study is conducted to compare our generator with outstanding entries of the competition's 2022 edition using the competition's evaluation criteria and shows that our generator performs well in the adaptation and functionality criteria
• Abstract（参考訳）: Minecraftで手続き的に都市を生成することで、プレイヤーはより多様なシナリオを提供し、他のデジタル世界や現実世界の都市の設計を理解し改善することができる。 本稿では,2023年版Minecraft収量生成コンペティションのエントリーとして提出された都市ジェネレータについて述べる。 生成手順は、植生浄化、地形再構成、建築レイアウト生成、道路計画、街灯配置、壁建設の6つの主要なステップから構成されている。 ヒューリスティックなアルゴリズム、進化するレイアウトアルゴリズム、ランダムなアルゴリズムを含む3つのアルゴリズムを適用して、建物レイアウトを生成し、異なるレッドストーンスタイルの建物をどこに配置するかを決定し、ランダムな地図上に都市を生成することでテストする。 実験の結果、ヒューリスティックに基づくアルゴリズムはフラットマップの許容可能なレイアウトをより早く見つけることができ、一方、進化するレイアウトアルゴリズムは頑丈なマップのレイアウトを進化させるのに優れていることがわかった。 コンペティション評価基準を用いて,コンペティション2022版において,ジェネレータと優れたコンペティションを比較検討した。

関連論文リスト

• CityX: Controllable Procedural Content Generation for Unbounded 3D Cities [55.737060358043536]
  そこで我々は,CityXという新しいマルチモーダル制御可能な手続き型コンテンツ生成手法を提案する。 OSM、セマンティックマップ、衛星画像など、複数のレイアウト条件でガイドされるリアルで無拘束の3D都市生成を強化する。 この効果的なフレームワークを通じて、CityXは3Dシーン生成のための革新的なエコシステムを構築する可能性を示している。
  論文  参考訳（メタデータ） (2024-07-24T18:05:13Z)
• COHO: Context-Sensitive City-Scale Hierarchical Urban Layout Generation [1.5745692520785073]
  都市規模の都市レイアウト生成のための新しいグラフベースのマスク付きオートエンコーダ(GMAE)を提案する。 この方法は、属性付き建物、都市ブロック、コミュニティ、都市を統一的なグラフ構造に符号化する。 提案手法は,米国330都市における異質な都市スタイルにおける良好な現実性,意味的整合性,正当性を実現する。
  論文  参考訳（メタデータ） (2024-07-16T00:49:53Z)
• CityCraft: A Real Crafter for 3D City Generation [25.7885801163556]
  CityCraftは、都市シーン生成の多様性と品質の両方を強化するために設計された革新的なフレームワークである。 提案手法は,まず拡散変圧器(DiT)モデルを用いて,多種かつ制御可能な2次元都市レイアウトを生成する。 生成したレイアウトと都市計画に基づいて,Blenderとアセット検索モジュールを用いて,正確なアセット配置とシーン構築を行う。
  論文  参考訳（メタデータ） (2024-06-07T14:49:00Z)
• CityGen: Infinite and Controllable 3D City Layout Generation [26.1563802843242]
  CityGenは、無限で多様性があり、制御可能な3D都市レイアウト生成のための新しいエンドツーエンドフレームワークである。 CityGenは、FIDおよびKIDの下での最先端のSOTA(State-of-the-art)のパフォーマンスを達成し、無限に制御可能な3D都市レイアウトを生成する。
  論文  参考訳（メタデータ） (2023-12-03T21:16:37Z)
• CityDreamer: Compositional Generative Model of Unbounded 3D Cities [44.203932215464214]
  CityDreamerは、非有界な3D都市向けに特別に設計された合成モデルである。 我々は、鳥の視線シーン表現を採用し、インスタンス指向と物指向のニューラルフィールドの両方にボリュームレンダリングを採用する。 CityDreamerは、現実的な3D都市を生成するだけでなく、生成された都市内の局所的な編集でも、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-09-01T17:57:02Z)
• GlobalMapper: Arbitrary-Shaped Urban Layout Generation [1.5076964620370268]
  建物のレイアウトは、道路のネットワークによって定義される都市ブロック内の建物のセットで構成されています。 本稿では,グラフアテンションネットワークを用いたレイアウト生成のための完全自動手法を提案する。 ユーザスタディを含む本研究の結果は,従来のレイアウト生成ネットワークと比較して優れた性能を示した。
  論文  参考訳（メタデータ） (2023-07-19T00:36:05Z)
• Human-instructed Deep Hierarchical Generative Learning for Automated Urban Planning [57.91323079939641]
  我々は,最適な都市計画を生成するために,人間に指示された新しい深層階層生成モデルを構築した。 最初の段階は、機能ゾーンを発見するために、目標領域の格子に遅延関数をラベル付けすることである。 第2の段階は、都市機能投影を形成するための計画要件を理解することである。 第3の段階は、マルチアテンションを活用して、機能プロジェクションのゾーン・ゾーン・ピア依存関係をモデル化し、グリッドレベルの土地利用構成を生成することである。
  論文  参考訳（メタデータ） (2022-12-01T23:06:41Z)
• Systematic Comparison of Path Planning Algorithms using PathBench [55.335463666037086]
  パスプランニングはモバイルロボティクスの重要な構成要素である。 学習に基づく経路計画アルゴリズムの開発は、急速な成長を遂げている。 本稿では,パスプランニングアルゴリズムの開発,視覚化,トレーニング,テスト,ベンチマークを行うプラットフォームであるPathBenchについて述べる。
  論文  参考訳（メタデータ） (2022-03-07T01:52:57Z)
• Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
  ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。 品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。 その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
  論文  参考訳（メタデータ） (2021-04-17T20:33:24Z)
• The AI Settlement Generation Challenge in Minecraft: First Year Report [3.95455071858062]
  この記事では、MinecraftでAI決済生成コンペティション初年度から学んだことを概説する。 この課題は、適応的および全体的な手続き的コンテンツ生成に研究を集中することを目指している。
  論文  参考訳（メタデータ） (2021-03-27T17:27:05Z)
• 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)

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。