論文の概要: Level Generation with Constrained Expressive Range

• arxiv url: http://arxiv.org/abs/2504.05334v1
• Date: Fri, 04 Apr 2025 20:55:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-17 06:50:56.846678
• Title: Level Generation with Constrained Expressive Range
• Title（参考訳）: 制約付き表現域によるレベル生成
• Authors: Mahsa Bazzaz, Seth Cooper,
• Abstract要約: 表現範囲解析(Expressive Range Analysis)は、生成モデルの性能を評価するための可視化技術である。 本研究では,生成可能空間の概念空間として生成器の表現範囲を用いる。 そのために、制約ベースのジェネレータを使用して、この空間のレベルを体系的にトラバースし、生成する。
• 参考スコア（独自算出の注目度）: 3.2228025627337864
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Expressive range analysis is a visualization-based technique used to evaluate the performance of generative models, particularly in game level generation. It typically employs two quantifiable metrics to position generated artifacts on a 2D plot, offering insight into how content is distributed within a defined metric space. In this work, we use the expressive range of a generator as the conceptual space of possible creations. Inspired by the quality diversity paradigm, we explore this space to generate levels. To do so, we use a constraint-based generator that systematically traverses and generates levels in this space. To train the constraint-based generator we use different tile patterns to learn from the initial example levels. We analyze how different patterns influence the exploration of the expressive range. Specifically, we compare the exploration process based on time, the number of successful and failed sample generations, and the overall interestingness of the generated levels. Unlike typical quality diversity approaches that rely on random generation and hope to get good coverage of the expressive range, this approach systematically traverses the grid ensuring more coverage. This helps create unique and interesting game levels while also improving our understanding of the generator's strengths and limitations.
• Abstract（参考訳）: 表現範囲解析(Expressive Range analysis)は、特にゲームレベルの生成において、生成モデルの性能を評価するために使用される可視化に基づく手法である。 通常、2次元プロット上に生成されたアーティファクトを配置するために2つの定量メトリクスを使用し、コンテンツが定義されたメートル法空間内でどのように分散されるかについての洞察を提供する。 本研究では,生成可能空間の概念空間として生成器の表現範囲を用いる。 品質の多様性パラダイムにインスパイアされた私たちは、この領域を探求してレベルを生成します。 そのために、制約ベースのジェネレータを使用して、この空間のレベルを体系的にトラバースし、生成する。 制約ベースのジェネレータをトレーニングするために、最初のサンプルレベルから学ぶために、さまざまなタイルパターンを使用します。 我々は、異なるパターンが表現範囲の探索にどのように影響するかを分析する。 具体的には、時間に基づく探索過程、成功したサンプル世代数、失敗したサンプル世代数、生成したレベルの全体的な興味度を比較した。 ランダムな生成に依存して表現範囲を適切にカバーしたいという典型的な品質多様性アプローチとは異なり、このアプローチはグリッドを体系的に横断し、より多くのカバレッジを確保する。 これにより、ユニークで興味深いゲームレベルが作成できると同時に、ジェネレータの強みや制限に対する理解を深めることができます。

関連論文リスト

• WeGen: A Unified Model for Interactive Multimodal Generation as We Chat [51.78489661490396]
  マルチモーダル生成と理解を統合するモデルWeGenを紹介する。 より詳細な指示を省くために、創造性の高い多様な結果を生成することができる。 様々なビジュアル生成ベンチマークにおいて,最先端性能が達成されていることを示す。
  論文  参考訳（メタデータ） (2025-03-03T02:50:07Z)
• Exploring Minecraft Settlement Generators with Generative Shift Analysis [1.591012510488751]
  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。
  論文  参考訳（メタデータ） (2023-09-11T10:48:42Z)
• Contrastive Learning for Diverse Disentangled Foreground Generation [67.81298739373766]
  本稿では,様々な要因を明示的に制御した多種多様な前景生成手法を提案する。 我々は、暗黙の入力に対して様々なフォアグラウンド結果を生成するために、遅延符号を用いたコントラスト学習を利用する。 実験により,本手法の多様性と生成制御性において,最先端技術よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-11-04T18:51:04Z)
• Local and Global GANs with Semantic-Aware Upsampling for Image Generation [201.39323496042527]
  ローカルコンテキストを用いて画像を生成することを検討する。 セマンティックマップをガイダンスとして用いたクラス固有の生成ネットワークを提案する。 最後に,セマンティック・アウェア・アップサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2022-02-28T19:24:25Z)
• Multi-level Latent Space Structuring for Generative Control [53.240701050423155]
  本稿では,StyleGAN生成アーキテクチャを活用して新たなトランケーション手法を提案する。 我々は、ガウスの学習可能な混合を用いて、StyleGANの拡張中間潜在空間であるW-空間を再生成することを学ぶ。 結果として生じる切り離しスキームは、元の未熟なサンプルをより忠実にし、品質と多様性のトレードオフをより良くする。
  論文  参考訳（メタデータ） (2022-02-11T21:26:17Z)
• Illuminating Diverse Neural Cellular Automata for Level Generation [5.294599496581041]
  本稿では,ゲームレベルを設計するためのニューラルネットワークオートマトン(NCA)のコレクションを生成する手法を提案する。 提案手法は,審美的基準や機能的基準に基づいて,出力レベルが異なる多様なレベルジェネレータを訓練することができる。 本手法は,迷路ゲーム,ソコバン,ゼルダなどの2次元タイルゲームのためのレベルジェネレータ生成に応用する。
  論文  参考訳（メタデータ） (2021-09-12T11:17:31Z)
• Toward Spatially Unbiased Generative Models [19.269719158344508]
  最近の画像生成モデルは顕著な生成性能を示している。 しかし、それらは、空間バイアスと呼ばれるデータセットの強い位置優先を反映している。 生成元は空間的コンテンツを描画するために暗黙的な位置エンコーディングに頼っていると論じる。
  論文  参考訳（メタデータ） (2021-08-03T04:13:03Z)
• 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)
• Level Generation for Angry Birds with Sequential VAE and Latent Variable Evolution [25.262831218008202]
  我々は,Angry Birdsのゲームドメインに対して,深部生成モデルに基づくレベル生成を開発する。 実験により,提案したレベルジェネレータは生成レベルの安定性と多様性を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2021-04-13T11:23:39Z)
• Slimmable Generative Adversarial Networks [54.61774365777226]
  近年、GAN(Generative adversarial Network)は目覚ましい進歩を遂げていますが、モデルの継続的な拡大は、実用的なアプリケーションに広く展開することを困難にしています。 本稿では,実行時の各種品質効率トレードオフに対応するため,発電機の幅を柔軟に切り替えることのできるスリムブルGANを提案する。
  論文  参考訳（メタデータ） (2020-12-10T13:35:22Z)
• Local Class-Specific and Global Image-Level Generative Adversarial Networks for Semantic-Guided Scene Generation [135.4660201856059]
  局所的な文脈でシーン生成を学習し、意味マップをガイダンスとして、局所的なクラス固有の生成ネットワークを設計する。 局所生成のための識別クラス固有の特徴表現をより学習するために,新しい分類モジュールを提案する。 2つのシーン画像生成タスクの実験は、提案したモデルのより優れた生成性能を示す。
  論文  参考訳（メタデータ） (2019-12-27T16:14:53Z)

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。