論文の概要: A Markovian Framing of WaveFunctionCollapse for Procedurally Generating Aesthetically Complex Environments

• arxiv url: http://arxiv.org/abs/2509.09919v1
• Date: Fri, 12 Sep 2025 01:51:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-15 16:03:07.956677
• Title: A Markovian Framing of WaveFunctionCollapse for Procedurally Generating Aesthetically Complex Environments
• Title（参考訳）: 審美的に複雑な環境を手続き的に生成するWaveFunctionCollapseのマルコフ的フレーム
• Authors: Franklin Yiu, Mohan Lu, Nina Li, Kevin Joseph, Tianxu Zhang, Julian Togelius, Timothy Merino, Sam Earle,
• Abstract要約: 手続き的コンテンツ生成は、設計者が指定した目的と、下層のタイルセットによって暗黙的に課される隣接制約の両方を満たす必要があることが多い。 マルコフ決定過程(MDP)としてWaveFunctionCol(WFC)を再構成する WFC-MDPの最適化と比較して,タスクの複雑性が増大するにつれて,共同最適化は困難である。
• 参考スコア（独自算出の注目度）: 5.114029940159893
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Procedural content generation often requires satisfying both designer-specified objectives and adjacency constraints implicitly imposed by the underlying tile set. To address the challenges of jointly optimizing both constraints and objectives, we reformulate WaveFunctionCollapse (WFC) as a Markov Decision Process (MDP), enabling external optimization algorithms to focus exclusively on objective maximization while leveraging WFC's propagation mechanism to enforce constraint satisfaction. We empirically compare optimizing this MDP to traditional evolutionary approaches that jointly optimize global metrics and local tile placement. Across multiple domains with various difficulties, we find that joint optimization not only struggles as task complexity increases, but consistently underperforms relative to optimization over the WFC-MDP, underscoring the advantages of decoupling local constraint satisfaction from global objective optimization.
• Abstract（参考訳）: 手続き的コンテンツ生成は、設計者が指定した目的と、下層のタイルセットによって暗黙的に課される隣接制約の両方を満たす必要があることが多い。 制約と目的の両方を共同で最適化する課題に対処するため、我々はWaveFunctionCollapse(WFC)をMarkov Decision Process(MDP)として再構成し、WFCの伝搬機構を利用して制約満足度を強制しながら、外部最適化アルゴリズムが目的の最大化のみに集中できるようにする。 我々は,このMDPをグローバルなメトリクスと局所的なタイル配置を協調的に最適化する従来の進化的アプローチと比較した。 様々な困難を抱えた複数の領域をまたいで、共同最適化はタスクの複雑さが増大するにつれて困難であるだけでなく、WFC-MDPに対する最適化と比較して一貫して性能が劣っていることが分かり、グローバルな目的最適化から局所的制約満足度を分離する利点を浮き彫りにしている。

関連論文リスト

• LLM4CMO: Large Language Model-aided Algorithm Design for Constrained Multiobjective Optimization [54.83882149157548]
  大規模言語モデル(LLM)は、アルゴリズム設計を支援する新しい機会を提供する。 LLM4CMOは,2つの人口構成をもつ2段階のフレームワークをベースとした新しいCMOEAである。 LLMは複雑な進化最適化アルゴリズムの開発において効率的な共同設計者として機能する。
  論文  参考訳（メタデータ） (2025-08-16T02:00:57Z)
• Scalable Min-Max Optimization via Primal-Dual Exact Pareto Optimization [66.51747366239299]
  拡張ラグランジアンに基づくmin-max問題のスムーズな変種を提案する。 提案アルゴリズムは, 段階的戦略よりも目的数で拡張性が高い。
  論文  参考訳（メタデータ） (2025-03-16T11:05:51Z)
• SparseLLM: Towards Global Pruning for Pre-trained Language Models [12.057369029549534]
  本研究では,グローバルプルーニングプロセスを再定義する新しいフレームワークであるSparseLLMを提案する。 SparseLLMのアプローチは、LLMをモジュラ関数の連鎖として概念化し、問題の分解に補助変数を利用する。 高いスパーシティ・レシエーションにおいて、特に顕著なパフォーマンス向上を示す。
  論文  参考訳（メタデータ） (2024-02-28T00:09:07Z)
• Dynamic Regularized Sharpness Aware Minimization in Federated Learning: Approaching Global Consistency and Smooth Landscape [59.841889495864386]
  フェデレートラーニング(FL)では、グローバルサーバの協調の下で、ローカルクライアントのクラスタがチェアリングされる。 クライアントは自身のオプティマに過度に適合する傾向にあり、グローバルな目標から非常に逸脱する。 tt Family FedSMOOは、グローバルな目的に対する局所的な最適性を保証するために動的正規化器を採用する。 理論解析により, tt Family FedSMOO は, 低境界一般化による高速$mathcalO (1/T)$収束率を達成することが示された。
  論文  参考訳（メタデータ） (2023-05-19T10:47:44Z)
• Accelerated Federated Learning with Decoupled Adaptive Optimization [53.230515878096426]
  フェデレートドラーニング(FL)フレームワークは、クライアント上のトレーニングデータのプライバシを維持しながら、共有モデルを協調的に学習することを可能にする。 近年,SGDM,Adam,AdaGradなどの集中型適応最適化手法をフェデレートした設定に一般化するためのイテレーションが多数実施されている。 本研究は、常微分方程式(ODE)のダイナミクスの観点から、FLの新しい適応最適化手法を開発することを目的としている。
  論文  参考訳（メタデータ） (2022-07-14T22:46:43Z)
• Disentangled Federated Learning for Tackling Attributes Skew via Invariant Aggregation and Diversity Transferring [104.19414150171472]
  属性は、クライアント間の一貫した最適化方向から、現在の連邦学習(FL)フレームワークを歪めます。 本稿では,ドメイン固有属性とクロス不変属性を2つの補足枝に分離するために,非絡み付きフェデレーション学習(DFL)を提案する。 実験により、DFLはSOTA FL法と比較して高い性能、より良い解釈可能性、より高速な収束率でFLを促進することが確認された。
  論文  参考訳（メタデータ） (2022-06-14T13:12:12Z)

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。