論文の概要: From Unstable to Playable: Stabilizing Angry Birds Levels via Object Segmentation

• arxiv url: http://arxiv.org/abs/2509.23787v1
• Date: Sun, 28 Sep 2025 10:15:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.447839
• Title: From Unstable to Playable: Stabilizing Angry Birds Levels via Object Segmentation
• Title（参考訳）: UnstableからPlayableへ:オブジェクトセグメンテーションによるAngry Birdsレベルの安定化
• Authors: Mahdi Farrokhimaleki, Parsa Rahmati, Richard Zhao,
• Abstract要約: 既存のPCGモデルによって生成された不安定なレベルを同定し,修復する手法を提案する。 我々はAngry Birdsをケーススタディとして使用し、確立したPCGアプローチによるゲームレベルの手法を実証した。
• 参考スコア（独自算出の注目度）: 0.8984888893275712
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Procedural Content Generation (PCG) techniques enable automatic creation of diverse and complex environments. While PCG facilitates more efficient content creation, ensuring consistently high-quality, industry-standard content remains a significant challenge. In this research, we propose a method to identify and repair unstable levels generated by existing PCG models. We use Angry Birds as a case study, demonstrating our method on game levels produced by established PCG approaches. Our method leverages object segmentation and visual analysis of level images to detect structural gaps and perform targeted repairs. We evaluate multiple object segmentation models and select the most effective one as the basis for our repair pipeline. Experimental results show that our method improves the stability and playability of AI-generated levels. Although our evaluation is specific to Angry Birds, our image-based approach is designed to be applicable to a wide range of 2D games with similar level structures.
• Abstract（参考訳）: 手続き型コンテンツ生成(PCG)技術は、多様な複雑な環境の自動生成を可能にする。 PCGはより効率的なコンテンツ作成を促進するが、常に高品質な業界標準コンテンツは重要な課題である。 本研究では,既存のPCGモデルによって生成される不安定なレベルを同定し,修復する手法を提案する。 我々はAngry Birdsをケーススタディとして使用し、確立したPCGアプローチによるゲームレベルの手法を実証した。 本手法は,物体の分割と画像の視覚的解析を利用して,構造的ギャップを検出し,目標とする修復を行う。 複数のオブジェクトセグメンテーションモデルを評価し,修復パイプラインの基盤として最も有効なモデルを選択する。 実験結果から,本手法はAI生成レベルの安定性とプレイ性を向上させることが示された。 我々の評価はAngry Birdsに特有のものだが、画像に基づくアプローチは、同様のレベルの構造を持つ幅広い2Dゲームに適用できるように設計されている。

関連論文リスト

• Agent4FaceForgery: Multi-Agent LLM Framework for Realistic Face Forgery Detection [108.5042835056188]
  この作業では,2つの基本的な問題に対処するため,Agent4FaceForgeryを導入している。 人間の偽造の多様な意図と反復的なプロセスを捉える方法。 ソーシャルメディアの偽造に付随する複雑な、しばしば敵対的な、テキストと画像のインタラクションをモデル化する方法。
  論文  参考訳（メタデータ） (2025-09-16T01:05:01Z)
• GoldenTransformer: A Modular Fault Injection Framework for Transformer Robustness Research [0.0]
  ハードウェア障害に対する大規模言語モデルのレジリエンスを評価するための,フォールトインジェクションフレームワークであるGoldenTransformerを提案する。 GoldenTransformerは,さまざまなフォールトクラスをトランスフォーマーベースのモデルに注入する,Pythonベースの統一プラットフォームを提供する。 我々は、GoldenTransformerの技術設計と使用について詳述し、分類および生成タスクに関するいくつかの実例実験を通して実演する。
  論文  参考訳（メタデータ） (2025-09-13T02:52:08Z)
• RoHOI: Robustness Benchmark for Human-Object Interaction Detection [78.18946529195254]
  ヒューマン・オブジェクト・インタラクション(HOI)検出は、コンテキスト認識支援を可能にするロボット・ヒューマン・アシストに不可欠である。 HOI検出のための最初のベンチマークを導入し、様々な課題下でモデルのレジリエンスを評価する。 我々のベンチマークであるRoHOIは、HICO-DETとV-COCOデータセットに基づく20の汚職タイプと、新しいロバストネスにフォーカスしたメトリクスを含んでいる。
  論文  参考訳（メタデータ） (2025-07-12T01:58:04Z)
• Evolutionary Level Repair [3.877713544082347]
  ゲームレベル修復の課題は,設計されているが非機能的なゲームレベルを機能化することで解決される。 機械学習に基づく手続き型コンテンツ生成(PCGML)手法を用いて,スタイリスティックに適切だが頻繁に故障するレベルを生成する。
  論文  参考訳（メタデータ） (2025-06-24T06:41:18Z)
• PCGPT: Procedural Content Generation via Transformers [1.515687944002438]
  オフライン強化学習とトランスフォーマーネットワークを用いたプロシージャコンテンツ生成(PCG)の革新的アプローチであるPCGPTフレームワークを提案する。 PCGPTはトランスフォーマーに基づく自己回帰モデルを用いてゲームレベルを反復的に生成し、繰り返し、予測可能、一貫性のないコンテンツといった従来のPCG手法の課題に対処する。
  論文  参考訳（メタデータ） (2023-10-03T19:58:02Z)
• Utilizing Generative Adversarial Networks for Stable Structure Generation in Angry Birds [0.9790236766474201]
  本稿では,GAN(Generative Adversarial Networks)を用いて,物理学ベースのパズルゲームAngry Birdsの安定した構造を生成する方法を提案する。 以上の結果から,GANは多種多様な複雑で安定なAngry Birds構造を生成するのに有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-09-05T23:19:13Z)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• High-Fidelity Visual Structural Inspections through Transformers and Learnable Resizers [2.126862120884775]
  無人航空機(UAV)と人工知能の最近の進歩により、視覚検査はより速く、より安全で、より信頼性が高い。 高解像度セグメンテーションは、高い計算メモリ要求のために非常に難しい。 本稿では,グローバルとローカルのセマンティクスのトレードオフを管理することで,異なる検査タスクに適応できるハイブリッド戦略を提案する。
  論文  参考訳（メタデータ） (2022-10-21T18:08:26Z)
• Modeling Image Composition for Complex Scene Generation [77.10533862854706]
  本稿では,レイアウト・ツー・イメージ生成タスクにおける最先端結果を実現する手法を提案する。 本稿では,RGB画像をパッチトークンに圧縮した後,オブジェクト・トゥ・オブジェクト,オブジェクト・トゥ・パッチ,パッチ・トゥ・パッチの依存関係を探索するTransformer with Focal Attention (TwFA)を提案する。
  論文  参考訳（メタデータ） (2022-06-02T08:34:25Z)
• Unsupervised Domain Adaptation for Monocular 3D Object Detection via Self-Training [57.25828870799331]
  我々は、Mono3D上での教師なしドメイン適応のための新しい自己学習フレームワークSTMono3Dを提案する。 対象ドメイン上で適応的な擬似ラベルを生成するための教師学生パラダイムを開発する。 STMono3Dは、評価されたすべてのデータセットで顕著なパフォーマンスを達成し、KITTI 3Dオブジェクト検出データセットの完全な教師付き結果を超えています。
  論文  参考訳（メタデータ） (2022-04-25T12:23:07Z)

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。