論文の概要: From LLM-Driven Trading Card Generation to Procedural Relatedness: A Pokémon Case Study

• arxiv url: http://arxiv.org/abs/2604.27972v1
• Date: Thu, 30 Apr 2026 15:03:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.155684
• Title: From LLM-Driven Trading Card Generation to Procedural Relatedness: A Pokémon Case Study
• Title（参考訳）: LLM駆動型トレーディングカード生成から手続き的関連性:ポケモンケーススタディ
• Abstract要約: 本稿では,TCGカードの手続き的コンテンツ生成における大規模言語モデルと画像拡散モデルの利用について検討する。 現代の生成AIは、大規模なコンテンツ作成を可能にするだけでなく、手続き的関連性も導入できる。 プレイヤー中心のコクリエーション、微調整埋め込み、ローカルLLM、拡散モデルを組み合わせて動的にパーソナライズされたカードを生成するパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 9.310318514564273
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Since the dawn of Trading Card Games, the genre has grown into a multi-billion-dollar industry engaging millions of analog and digital players worldwide. Popular TCGs rely on regular updates, balance adjustments, and rotating constraints to sustain engagement. Yet, as metagames stabilize, predictable strategies dominate and viable card options diminish, often resulting in repetitive and impaired player experiences. This paper investigates the use of Large Language Models and Image Diffusion Models for Procedural Content Generation of TCG cards, addressing these challenges by enabling a personalized infinity of card designs. Modern generative AI not only enables large-scale content creation but could even introduce procedural relatedness, fostering unique connections between players and their cards. We present a pipeline combining player-centric co-creation, fine-tuned embeddings, local LLMs, and Diffusion Models to generate dynamic, personalized cards while potentially expanding creative range. We evaluated the pipeline in a user study with 49 participants who generated 196 Pokémon card samples. Participants rated aesthetics and representativeness of visuals and mechanics, and provided qualitative feedback. Results show high satisfaction and indicate that most participants successfully realized their own ideas through prompt adjustments. These findings lay groundwork for future content generation systems and alternatives to conventional metagame evolution through procedural relatedness.
• Abstract（参考訳）: トレーディング・カード・ゲームズ(Trading Card Games)の誕生以来、このジャンルは世界中で何百万人ものアナログやデジタルプレイヤーを擁する数十億ドル規模の産業へと成長してきた。 人気のTCGは、定期的な更新、バランス調整、エンゲージメントを維持するための回転制限に依存している。 しかし、メタゲームが安定し、予測可能な戦略が支配され、実行可能なカードオプションが減少し、しばしば繰り返しプレイヤーの経験が損なわれる。 本稿では,TGカードの手続き的コンテンツ生成における大規模言語モデルと画像拡散モデルの利用について検討し,カード設計のパーソナライズされた無限性を実現することで,これらの課題に対処する。 現代の生成AIは、大規模なコンテンツ作成を可能にするだけでなく、手続き的関連性を導入し、プレイヤーとカードの間のユニークな接続を育むこともできる。 プレイヤー中心のコクリエーション、微調整の埋め込み、ローカルLLM、拡散モデルを組み合わせて、ダイナミックでパーソナライズされたカードを生成し、創造範囲を広げるパイプラインを提案する。 ポケモンカードのサンプル196枚を作成した49名の被験者を対象に,このパイプラインをユーザスタディで評価した。 参加者は視覚と力学の美学と表現性を評価し、質的なフィードバックを提供した。 結果は高い満足感を示し、ほとんどの参加者が迅速な調整を通じて自身のアイデアを実現したことを示している。 これらの知見は、今後のコンテンツ生成システムの基礎と、手続き的関連性による従来のメタゲーム進化の代替となる。

関連論文リスト

• Predicting Drafted Deck Strength for "Magic: the Gathering" [16.700051324124143]
  Magic: the Gathering (MTG)はこの設定を例示し、カード自体がゲームプレイルール、戦略的制約、長期的な結果を定義し、変更する。 MTGの制約付きデッキ構築フォーマットであるDraftについて検討し、8人のプレイヤーが半ランダムパックから39-45のシーケンシャルな選択を行い、部分的な情報に基づいて40枚のカードデッキを構築する。 本稿では,大規模な実世界のデータに対する線形ベースラインよりも一貫した改良を施した,セットコンテクスト化されたカード埋め込みを生成するエンコーダベースモデルを提案する。
  論文  参考訳（メタデータ） (2026-07-06T08:12:35Z)
• Play Like Champions: Counterfactual Feedback Generation in Latent Space [10.090846922590462]
  本稿では,反ファクトパス生成のためのフレームワークであるLatent Maps of Performanceを紹介する。 我々は23,305のプロトーナメントリプレイでガイド付き変分オートエンコーダモデルを訓練した。 我々は、私たちが採用しているパスフィニング手法にはトレードオフがあり、将来の研究が人間の改善のためのモデルソリューションの開発に集中することを望んでいると結論づける。
  論文  参考訳（メタデータ） (2026-06-30T21:15:34Z)
• PTCG-Bench: Can LLM Agents Master Pokémon Trading Card Game? [14.698359286590408]
  PTCG-Bench は Pok'emon Trading Card Game (PTCG) 上に構築されたベンチマークである。 実験の結果, LLMエージェントは非自明なゲームプレイ性能を達成できるが, 持続的かつ安定した自己進化は依然として困難であることがわかった。 我々はPTCG-Benchが現実的な対話環境におけるハーネス認識および自己進化エージェントの今後の研究を促進することを願っている。
  論文  参考訳（メタデータ） (2026-05-28T09:16:22Z)
• ICG: Improving Cover Image Generation via MLLM-based Prompting and Personalized Preference Alignment [70.19758313256503]
  我々は、MLLMベースのプロンプトとパーソナライズされた嗜好アライメントを統合し、文脈に関連のあるカバーを生成するフレームワークであるICGを提案する。 ICGは、アイテムタイトルとメタトークンを介して参照画像からセマンティックな特徴を抽出し、ユーザ埋め込みによってそれらを洗練し、結果としてパーソナライズされたコンテキストを拡散モデルに注入する。 実験により、ICGは画像の品質、セマンティックな忠実度、パーソナライゼーションを著しく改善し、ユーザの魅力とオフラインレコメンデーションの精度が向上することが示された。
  論文  参考訳（メタデータ） (2026-04-08T06:36:54Z)
• Game-TARS: Pretrained Foundation Models for Scalable Generalist Multimodal Game Agents [56.25101378553328]
  本稿では,汎用ゲームエージェントであるGame-TARSについて紹介する。 Game-TARSは500B以上のトークンで事前トレーニングされており、様々な軌跡とマルチモーダルデータがある。 実験により、Game-TARSは、オープンワールドMinecraftタスクにおける以前のソータモデルの約2倍の成功率を達成することが示された。
  論文  参考訳（メタデータ） (2025-10-27T17:43:51Z)
• Model as a Game: On Numerical and Spatial Consistency for Generative Games [117.36098212829766]
  本稿では,モデル・アズ・ア・ゲーム(MaaG)のメカニズムを十分に構築した上で,モデル・アズ・ア・ゲーム(MaaG)を真に構成するものを探るため,生成ゲームのパラダイムを再考する。 DiTアーキテクチャに基づいて,(1) LogicNetを統合してイベントトリガを決定する数値モジュール,(2) 探索領域のマップを維持する空間モジュール,(2) 生成中の位置情報を検索して連続性を確保する,という2つの特殊なモジュールを設計する。
  論文  参考訳（メタデータ） (2025-03-27T05:46:15Z)
• Cardiverse: Harnessing LLMs for Novel Card Game Prototyping [9.029874576285085]
  カードゲームは創造的なアイデアとゲームプレイ評価において広範囲の人的努力を必要とする。 大規模言語モデルの最近の進歩は、これらのプロセスを自動化する機会を提供する。 本稿では,総合的な自動カードゲームプロトタイピングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-10T23:47:35Z)
• Instruction-Driven Game Engines on Large Language Models [59.280666591243154]
  IDGEプロジェクトは、大規模な言語モデルが自由形式のゲームルールに従うことを可能にすることで、ゲーム開発を民主化することを目的としている。 我々は、複雑なシナリオに対するモデルの露出を徐々に増大させるカリキュラム方式でIDGEを訓練する。 私たちの最初の進歩は、汎用的なカードゲームであるPoker用のIDGEを開発することです。
  論文  参考訳（メタデータ） (2024-03-30T08:02:16Z)
• Zero-Shot Reasoning: Personalized Content Generation Without the Cold Start Problem [0.0]
  本稿では,大規模言語モデルを用いてパーソナライズを実現するための新しいアプローチを提案する。 本研究では,個々のプレイヤーから連続的に収集されたゲームプレイデータに基づくレベルを提案する。 本手法は, 従来の手法が生成した生産環境では有効であり, プレイヤーが中間レベルを終了しない確率において, 性能が優れていた。
  論文  参考訳（メタデータ） (2024-02-15T17:37:25Z)
• WinoGAViL: Gamified Association Benchmark to Challenge Vision-and-Language Models [91.92346150646007]
  本研究では,視覚・言語関係を収集するオンラインゲームであるWinoGAViLを紹介する。 私たちはこのゲームを使って3.5Kのインスタンスを収集し、それらが人間には直感的だが最先端のAIモデルには挑戦的であることを発見した。 我々の分析とプレイヤーからのフィードバックは、収集された協会が多様な推論スキルを必要とすることを示している。
  論文  参考訳（メタデータ） (2022-07-25T23:57:44Z)
• Modeling Content Creator Incentives on Algorithm-Curated Platforms [76.53541575455978]
  本研究では,アルゴリズムの選択が露出ゲームにおける(ナッシュ)平衡の存在と性格にどのように影響するかを検討する。 本研究では、露出ゲームにおける平衡を数値的に見つけるためのツールを提案し、MovieLensとLastFMデータセットの監査結果を示す。
  論文  参考訳（メタデータ） (2022-06-27T08:16:59Z)

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。