論文の概要: Multiverse: Language-Conditioned Multi-Game Level Blending via Shared Representation

• arxiv url: http://arxiv.org/abs/2603.26782v1
• Date: Wed, 25 Mar 2026 04:50:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.602623
• Title: Multiverse: Language-Conditioned Multi-Game Level Blending via Shared Representation
• Title（参考訳）: マルチバース:共有表現による言語記述型マルチゲームレベルブレンディング
• Authors: In-Chang Baek, Jiyun Jung, Sung-Hyun Kim, Geum-Hwan Hwang, Kyung-Joong Kim,
• Abstract要約: テキスト仕様によるクロスゲームレベルのブレンディングを可能にする言語条件付きマルチゲームレベルジェネレータを提案する。 実験により、学習された表現は、制御可能なクロスゲームレベルのブレンディングをサポートし、同じジャンルのブレンディング品質を著しく向上することが示された。
• 参考スコア（独自算出の注目度）: 3.29640587147404
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-to-level generation aims to translate natural language descriptions into structured game levels, enabling intuitive control over procedural content generation. While prior text-to-level generators are typically limited to a single game domain, extending language-conditioned generation to multiple games requires learning representations that capture structural relationships across domains. We propose Multiverse, a language-conditioned multi-game level generator that enables cross-game level blending through textual specifications. The model learns a shared latent space aligning textual instructions and level structures, while a threshold-based multi-positive contrastive supervision links semantically related levels across games. This representation allows language to guide which structural characteristics should be preserved when combining content from different games, enabling controllable blending through latent interpolation and zero-shot generation from compositional textual prompts. Experiments show that the learned representation supports controllable cross-game level blending and significantly improves blending quality within the same game genre, while providing a unified representation for language-conditioned multi-game content generation.
• Abstract（参考訳）: テキストからレベルへの生成は、自然言語記述を構造化されたゲームレベルに変換することを目的としており、手続き的コンテンツ生成の直感的な制御を可能にする。 従来のテキストからレベルへのジェネレータは通常、単一のゲームドメインに限られるが、言語条件付きジェネレータを複数のゲームに拡張するには、ドメイン間の構造的関係をキャプチャする学習表現が必要である。 テキスト仕様によるクロスゲームレベルのブレンディングを可能にする言語条件付きマルチゲームレベルジェネレータであるMultiverseを提案する。 このモデルは、テキスト命令とレベル構造を整合した共有潜在空間を学習し、しきい値に基づくマルチ陽性のコントラスト的監督は、ゲーム全体で意味論的に関連付けられたレベルをリンクする。 この表現は、異なるゲームからのコンテンツを組み合わせる際にどの構造的特徴を保存すべきかを言語が案内し、潜在補間と合成テキストのプロンプトからのゼロショット生成による制御可能なブレンディングを可能にする。 実験により、学習された表現は、制御可能なクロスゲームレベルのブレンディングをサポートし、同じジャンルのブレンディング品質を大幅に向上し、言語条件のマルチゲームコンテンツ生成のための統一表現を提供する。

関連論文リスト

• Language-Grounded Multi-Domain Image Translation via Semantic Difference Guidance [15.370194308451495]
  マルチドメイン画像から画像への変換は、自然言語のプロンプトで押された意味的な違いを、対応する視覚的変換に再帰させる。 本稿では,2つのコンポネント上に構築されたLACE(Language-grounded Attribute Controllable Translation)を提案する。 CelebA(Dialog)とBDD100Kの実験では、LACEは高い視覚的忠実度、構造的保存、解釈可能なドメイン固有制御を実現している。
  論文  参考訳（メタデータ） (2026-01-12T05:36:15Z)
• ConsistCompose: Unified Multimodal Layout Control for Image Composition [56.909072845166264]
  レイアウト座標を直接言語プロンプトに埋め込む統合フレームワークであるConsistComposeを提案する。 本研究では,ConsistComposeがレイアウト制御ベースラインよりも空間精度を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2025-11-23T08:14:53Z)
• Joint Level Generation and Translation Using Gameplay Videos [0.9645196221785693]
  機械学習による手続き的コンテンツ生成(PCGML)は、画像やテキスト生成など他の分野と切り離す重要なハードルに直面している。 機械学習による手続き的レベルの生成には、レベル画像以外の二次的な表現が必要である。 我々は,同時翻訳と生成を同時に行うことを学ぶ,新しいマルチテールフレームワークを開発した。
  論文  参考訳（メタデータ） (2023-06-29T03:46:44Z)
• MGDoc: Pre-training with Multi-granular Hierarchy for Document Image Understanding [53.03978356918377]
  異なるレベルの粒度のコンテンツ間の空間的階層的関係は、文書画像理解タスクに不可欠である。 既存の方法は単語レベルか地域レベルから特徴を学習するが、両方を同時に考えることができない。 MGDocは,ページレベル,領域レベル,単語レベル情報を同時にエンコードするマルチモーダル・マルチグラニュラ事前学習フレームワークである。
  論文  参考訳（メタデータ） (2022-11-27T22:47:37Z)
• Unsupervised Image-to-Image Translation with Generative Prior [103.54337984566877]
  教師なし画像画像変換は、ペアデータなしで2つの視覚領域間の翻訳を学習することを目的としている。 本稿では,GP-UNIT(Generative Prior-guided UN Image-to-image Translation)という新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-07T17:59:23Z)
• Integrating Visuospatial, Linguistic and Commonsense Structure into Story Visualization [81.26077816854449]
  まず、構造的入力を符号化するための選挙区解析木の利用について検討する。 第二に、構造化されたインプットをコモンセンス情報で強化し、この外部知識が視覚的ストーリーの生成に与える影響について検討する。 第3に、境界ボックスと高密度キャプションによって視覚構造を組み込んで、生成された画像の文字やオブジェクトに関するフィードバックを提供する。
  論文  参考訳（メタデータ） (2021-10-21T00:16:02Z)
• VECO: Variable and Flexible Cross-lingual Pre-training for Language Understanding and Generation [77.82373082024934]
  我々はTransformerエンコーダにクロスアテンションモジュールを挿入し、言語間の相互依存を明確に構築する。 独自の言語でコンテキストにのみ条件付けされたマスク付き単語の予測の退化を効果的に回避することができる。 提案した言語間モデルでは,XTREMEベンチマークのさまざまな言語間理解タスクに対して,最先端の新たな結果が提供される。
  論文  参考訳（メタデータ） (2020-10-30T03:41:38Z)
• Video Game Level Repair via Mixed Integer Linear Programming [20.815591392882716]
  提案フレームワークは,人為的な実例で訓練されたGAN(Generative Adversarial Network)を用いてレベルを構築し,遊び性制約のある混合整数線形プログラム(MIP)を用いてそれらを修復する。 以上の結果から,提案フレームワークは多種多様なプレイ可能なレベルを生成し,人間に許可されたレベルのオブジェクト間の空間的関係をキャプチャする。
  論文  参考訳（メタデータ） (2020-10-13T18:37:58Z)
• Interactive Fiction Game Playing as Multi-Paragraph Reading Comprehension with Reinforcement Learning [94.50608198582636]
  対話型フィクション(IF)ゲームと実際の自然言語テキストは、言語理解技術に対する新たな自然な評価を提供する。 IFゲーム解決の新たな視点を捉え,MPRC(Multi-Passage Reading)タスクとして再フォーマットする。
  論文  参考訳（メタデータ） (2020-10-05T23:09:20Z)

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。