論文の概要: Lode Encoder: AI-constrained co-creativity

• arxiv url: http://arxiv.org/abs/2308.01312v1
• Date: Wed, 2 Aug 2023 17:56:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-03 12:03:30.651650
• Title: Lode Encoder: AI-constrained co-creativity
• Title（参考訳）: Lode Encoder: AI制約によるコクリエーション
• Authors: Debosmita Bhaumik, Ahmed Khalifa, Julian Togelius
• Abstract要約: 本稿では,古典的なプラットフォームパズルゲームLode Runnerのゲーム化ミックスレベル生成システムであるLodeinitiativeを提案する。 このシステムは、Lode Runnerレベルのセットでトレーニングされた、いくつかのオートエンコーダを中心に構築されている。 ユーザのデザインに触発されると、各オートエンコーダはそのデザインのバージョンを生成し、そのバージョンはトレーニングされたレベルに近いスタイルになる。
• 参考スコア（独自算出の注目度）: 7.110423254122942
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Lode Encoder, a gamified mixed-initiative level creation system for the classic platform-puzzle game Lode Runner. The system is built around several autoencoders which are trained on sets of Lode Runner levels. When fed with the user's design, each autoencoder produces a version of that design which is closer in style to the levels that it was trained on. The Lode Encoder interface allows the user to build and edit levels through 'painting' from the suggestions provided by the autoencoders. Crucially, in order to encourage designers to explore new possibilities, the system does not include more traditional editing tools. We report on the system design and training procedure, as well as on the evolution of the system itself and user tests.
• Abstract（参考訳）: 本稿では,古典的なプラットフォームパズルゲームLode Runner用のゲーム化混合開始レベル生成システムであるLode Encoderを紹介する。 このシステムは、Lode Runnerレベルのセットでトレーニングされた、いくつかのオートエンコーダを中心に構築されている。 ユーザのデザインに触発されると、各オートエンコーダはそのデザインのバージョンを生成し、そのバージョンはトレーニングされたレベルに近いスタイルになる。 Lode Encoder インターフェースでは、オートエンコーダが提供する提案から 'Painting' を通じてレベルを構築し、編集することができる。 重要なのは、デザイナーに新しい可能性を探求するよう促すため、システムはより伝統的な編集ツールを含んでいない。 本稿では,システム設計とトレーニング手順,システム自体の進化とユーザテストについて報告する。

関連論文リスト

• Learning Linear Block Error Correction Codes [62.25533750469467]
  本稿では,バイナリ線形ブロック符号の統一エンコーダデコーダトレーニングを初めて提案する。 また,コード勾配の効率的なバックプロパゲーションのために,自己注意マスキングを行うトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-07T06:47:12Z)
• DecoderLens: Layerwise Interpretation of Encoder-Decoder Transformers [6.405360669408265]
  本稿では,エンコーダ・デコーダ変換器を簡易に解析する手法を提案する。 LogitLens(デコーダのみのトランスフォーマー)にインスパイアされたこの手法では、デコーダが中間エンコーダ層を横断的に表現できるようにする。 質問応答,論理的推論,音声認識,機械翻訳を訓練したモデルに適用したDecoderLensの結果を報告する。
  論文  参考訳（メタデータ） (2023-10-05T17:04:59Z)
• Lode Enhancer: Level Co-creation Through Scaling [6.739485960737326]
  2Dゲームレベルを作成するコンテキストにおいて、デザイン支援ツールとしてAIを活用したアップスケーリングについて検討する。 ディープニューラルネットワークは、パズルのプラットフォームゲームLode Runnerから、人工的にダウンスケールされたレベルのパッチをスケールアップするために使用される。
  論文  参考訳（メタデータ） (2023-08-03T05:23:07Z)
• Think Twice before Driving: Towards Scalable Decoders for End-to-End Autonomous Driving [74.28510044056706]
  既存のメソッドは通常、分離されたエンコーダ-デコーダパラダイムを採用する。 本研究は,この問題を2つの原則で緩和することを目的としている。 まず、エンコーダの特徴に基づいて、粗い将来の位置と行動を予測する。 そして、その位置と動作を条件に、将来のシーンを想像して、それに従って運転した場合にその影響を確認する。
  論文  参考訳（メタデータ） (2023-05-10T15:22:02Z)
• A Study of Autoregressive Decoders for Multi-Tasking in Computer Vision [93.90545426665999]
  マルチモーダルコンピュータビジョンにおけるマルチタスク学習のための自動回帰デコーダについて詳しく検討する。 鍵となる発見は、凍結した事前訓練されたエンコーダの上で学んだ小さなデコーダが驚くほどうまく機能していることである。 これはデコーダに自然言語で事前訓練された視覚モデルと対話するように教えるものであると見なすことができる。
  論文  参考訳（メタデータ） (2023-03-30T13:42:58Z)
• Adversarial Neural Networks for Error Correcting Codes [76.70040964453638]
  機械学習(ML)モデルの性能と適用性を高めるための一般的なフレームワークを紹介する。 本稿では,MLデコーダと競合する識別器ネットワークを組み合わせることを提案する。 我々のフレームワークはゲーム理論であり、GAN(Generative Adversarial Network)によって動機付けられている。
  論文  参考訳（メタデータ） (2021-12-21T19:14:44Z)
• Less is More: Pre-training a Strong Siamese Encoder Using a Weak Decoder [75.84152924972462]
  多くの実世界のアプリケーションはSiameseネットワークを使用して、テキストシーケンスを大規模に効率的にマッチングします。 本稿では,シームズアーキテクチャにおけるシーケンスマッチング専用の言語モデルを事前学習する。
  論文  参考訳（メタデータ） (2021-02-18T08:08:17Z)
• Cross-Thought for Sentence Encoder Pre-training [89.32270059777025]
  Cross-Thoughtは、事前トレーニングシーケンスエンコーダに対する新しいアプローチである。 我々は、Transformerベースのシーケンスエンコーダを、多数の短いシーケンスに対してトレーニングする。 質問応答とテキストのエンコーダタスクの実験は、事前学習したエンコーダが最先端のエンコーダより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-07T21:02:41Z)
• Distributed Evolution of Deep Autoencoders [1.7444066202370399]
  本稿では、効率的な進化アルゴリズムを用いてモジュラーオートエンコーダを設計する分散システムを提案する。 本システムの有効性を,多様体学習と画像復調の課題に適用した。
  論文  参考訳（メタデータ） (2020-04-16T11:31:18Z)
• Adversarial Latent Autoencoders [7.928094304325116]
  我々は共同で問題に取り組むオートエンコーダを導入し、それをAdversarial Latent Autoencoder (ALAE) と呼ぶ。 ALAEは、ジェネレータのみのアーキテクチャの能力を超えて、比較可能な最初のオートエンコーダである。
  論文  参考訳（メタデータ） (2020-04-09T10:33:44Z)

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。