論文の概要: Exploring Minecraft Settlement Generators with Generative Shift Analysis

• arxiv url: http://arxiv.org/abs/2309.05371v1
• Date: Mon, 11 Sep 2023 10:48:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-12 12:56:59.158983
• Title: Exploring Minecraft Settlement Generators with Generative Shift Analysis
• Title（参考訳）: 生成シフト解析によるMinecraftの定着発電機の探索
• Authors: Jean-Baptiste Herv\'e, Oliver Withington, Marion Herv\'e, Laurissa Tokarchuk, Christoph Salge
• Abstract要約: 我々は,PCGパイプラインにおける個々のステージの影響を評価するための新しい手法を提案し,既存のアーティファクトに適用した場合に生成プロセスが与える影響を定量化する。 本手法は, Minecraftコンペティション(GDMC)の一環として開発された, 代替居留地生成装置の集合によって生成されるMinecraftゲームマップの, 非常に豊富なデータセットに適用することによって検討する。 これは、この手法の早期探索であるが、PCG評価に適用するための有望なレンズであることが分かり、我々は、生成シフトがドメインに依存しない評価方法である可能性について楽観的である。
• 参考スコア（独自算出の注目度）: 1.591012510488751
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With growing interest in Procedural Content Generation (PCG) it becomes increasingly important to develop methods and tools for evaluating and comparing alternative systems. There is a particular lack regarding the evaluation of generative pipelines, where a set of generative systems work in series to make iterative changes to an artifact. We introduce a novel method called Generative Shift for evaluating the impact of individual stages in a PCG pipeline by quantifying the impact that a generative process has when it is applied to a pre-existing artifact. We explore this technique by applying it to a very rich dataset of Minecraft game maps produced by a set of alternative settlement generators developed as part of the Generative Design in Minecraft Competition (GDMC), all of which are designed to produce appropriate settlements for a pre-existing map. While this is an early exploration of this technique we find it to be a promising lens to apply to PCG evaluation, and we are optimistic about the potential of Generative Shift to be a domain-agnostic method for evaluating generative pipelines.
• Abstract（参考訳）: 手続き的コンテンツ生成(PCG)への関心が高まり,代替システムの評価・比較を行う手法やツールの開発がますます重要になっている。 生成パイプラインの評価には特に欠如があり、生成システムの集合が連続して、アーティファクトへの反復的な変更を行う。 既設のアーティファクトに適用した場合に生成過程が与える影響を定量化し,pcgパイプラインにおける個々のステージの影響を評価するために,生成シフトと呼ばれる新しい手法を提案する。 本稿では,マインクラフト・コンペティション(gdmc)のジェネレイティブ・デザインの一環として開発された,マインクラフト・ゲーム・マップの非常にリッチなデータセットに適用し,既存のマップに対して適切な決済を行うように設計した。 この手法を早期に検討した結果、PCG評価に適用できる有望なレンズであることが分かり、生成パイプライン評価の領域に依存しない手法である生成シフトの可能性について楽観的である。

関連論文リスト

• NLGR: Utilizing Neighbor Lists for Generative Rerank in Personalized Recommendation Systems [13.848284819312953]
  ジェネレーティブリジェネレータの近隣リストモデルは、空間におけるジェネレータのパフォーマンスを改善することを目的としている。 本稿では,既存のリストから任意の隣接リストへ柔軟にジャンプ可能な,サンプリングに基づく非自己回帰生成手法を提案する。 NLGRの有効性を実証し,NLGRをMeituanフードデリバリープラットフォームに導入することに成功している。
  論文  参考訳（メタデータ） (2025-02-10T02:06:17Z)
• Distillation Enhanced Generative Retrieval [96.69326099136289]
  生成的検索はテキスト検索において有望な新しいパラダイムであり、関連する通路の識別子文字列を検索対象として生成する。 本研究は, 蒸留による生成的検索をさらに促進するための有効な方向を特定し, DGR という名称の実行可能なフレームワークを提案する。 本研究では,4つの公開データセットに対して実験を行い,DGRが生成的検索手法の最先端性能を達成することを示す。
  論文  参考訳（メタデータ） (2024-02-16T15:48:24Z)
• GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
  フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。 公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。 我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
  論文  参考訳（メタデータ） (2024-02-03T03:13:50Z)
• Procedural terrain generation with style transfer [0.0]
  本稿では,プロシージャ生成とニューラルスタイル転送を組み合わせた地形図作成手法を提案する。 このアルゴリズム生成とニューラルプロセッシングの融合は、多様なだけでなく、現実世界の風景の形態的特性と密接に整合した地形を作り出す可能性を秘めている。
  論文  参考訳（メタデータ） (2024-01-28T14:22:27Z)
• GE-AdvGAN: Improving the transferability of adversarial samples by gradient editing-based adversarial generative model [69.71629949747884]
  GAN(Generative Adversarial Networks)のような逆生成モデルは、様々な種類のデータを生成するために広く応用されている。 本研究では, GE-AdvGAN という新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-11T16:43:16Z)
• Generator Born from Classifier [66.56001246096002]
  データサンプルに頼ることなく、イメージジェネレータを再構築することを目指している。 本稿では,ネットワークパラメータの収束条件を満たすために,ジェネレータを訓練する新しい学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-12-05T03:41:17Z)
• Assessing Evolutionary Terrain Generation Methods for Curriculum Reinforcement Learning [3.1971316044104254]
  CPPN と GAN の2つの間接符号化との比較を行った。 生成した地形メッシュから直接メトリクスを計算するMAP-Elites特徴記述子の影響を評価する。 結果は,カリキュラム学習における利用を通知するジェネレータ間の重要な違いを解説し,コミュニティの獲得に有用な特徴記述器を提示する。
  論文  参考訳（メタデータ） (2022-03-29T01:26:15Z)
• Towards Generating Real-World Time Series Data [52.51620668470388]
  時系列データ生成のための新しい生成フレームワーク - RTSGANを提案する。 RTSGANは、時系列インスタンスと固定次元潜在ベクトルの間のマッピングを提供するエンコーダデコーダモジュールを学習する。 不足した値の時系列を生成するために、RTSGANに観測埋め込み層と決定・生成デコーダを更に装備する。
  論文  参考訳（メタデータ） (2021-11-16T11:31:37Z)
• Learning Controllable Content Generators [5.5805433423452895]
  多岐にわたる出力を生産できる発電機を「ゴールアウェア」にすることで育成します。 得られたレベルジェネレータは,対象とした制御可能な方法で可能なレベルの空間を探索できることを示す。
  論文  参考訳（メタデータ） (2021-05-06T22:15:51Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Demonstrating the Evolution of GANs through t-SNE [0.4588028371034407]
  COEGANのような進化的アルゴリズムは、最近、GANトレーニングを改善するソリューションとして提案されている。 本研究では, t-distributed Neighbour Embedding (t-SNE) を用いたGANの進展評価手法を提案する。 結果の t-SNE マップと Jaccard インデックスに基づく計量をモデル品質を表すために提案する。
  論文  参考訳（メタデータ） (2021-01-31T20:07:08Z)

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。