論文の概要: Evolutionary Wave Function Collapse

• arxiv url: http://arxiv.org/abs/2607.02082v1
• Date: Thu, 02 Jul 2026 12:25:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.823164
• Title: Evolutionary Wave Function Collapse
• Title（参考訳）: 進化的波動関数の崩壊
• Authors: Dipika Rajesh, Ahmed Khalifa, Julian Togelius,
• Abstract要約: Wave Function Collapse (WFC) は、サンプル入力から局所的な隣接制約を学習し、より大きな出力を生成するプロシージャコンテンツ生成法である。 本稿では,WFCと進化探索の組み合わせを,WFCが直接進化させるのではなく,WFCが使用する小さな入力例を進化させることにより検討する。
• 参考スコア（独自算出の注目度）: 3.899863694644006
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wave Function Collapse (WFC) is a widely used procedural content generation method that learns local adjacency constraints from example inputs to generate larger outputs. In this paper, we explore combining WFC with evolutionary search by evolving the small input examples used by WFC rather than directly evolving complete levels. In this approach, WFC acts as a genotype-to-phenotype mapping. The generated levels are then evaluated through domain-specific fitness functions. We evaluate the method in two domains with different relationships between local and global structure: Maze connectivity maps and Zelda-style dungeon layouts. Our results show that evolutionary optimization over WFC inputs improves generation quality in domains where properties emerge from local relationships, while domains requiring global constraints remain challenging. These findings suggest that evolutionary search can effectively guide WFC generation when target objectives align with local structure.
• Abstract（参考訳）: Wave Function Collapse (WFC) は、サンプル入力から局所的な隣接制約を学習し、より大きな出力を生成するプロシージャコンテンツ生成法である。 本稿では,WFCと進化探索の組み合わせを,WFCが直接進化させるのではなく,WFCが使用する小さな入力例を進化させることにより検討する。 このアプローチでは、WFCはジェノタイプからフェノタイプへのマッピングとして機能する。 生成されたレベルはドメイン固有のフィットネス機能によって評価される。 本研究では,局所構造と大域構造の関係の異なる2つの領域において,Maze接続マップとZeldaスタイルのダンジョンレイアウトを評価する。 その結果、WFC入力に対する進化的最適化は、局所的な関係からプロパティが出現する領域における生成品質を向上させる一方で、グローバルな制約を必要とする領域は依然として困難であることがわかった。 これらの結果から,進化的探索がWFC生成を効果的に誘導できることが示唆された。

関連論文リスト

• Gradually Vanishing Gap in Prototypical Network for Unsupervised Domain Adaptation [32.58201185195226]
  プロトタイプネットワーク(GVG-PN)におけるGradually Vanishing Gapという効率的なUDAフレームワークを提案する。 我々のモデルは,グローバルとローカルの両方の観点からの伝達学習を実現する。 いくつかのUDAベンチマークの実験では、提案されたGVG-PNがSOTAモデルより明らかに優れていることが検証された。
  論文  参考訳（メタデータ） (2024-05-28T03:03:32Z)
• Progressive Classifier and Feature Extractor Adaptation for Unsupervised Domain Adaptation on Point Clouds [36.596096617244655]
  非教師なしドメイン適応(UDA)は、ポイントクラウド分析の分野において重要な課題である。 本稿では,3次元UDAのための分類器と特徴抽出器を深く結合した新しいフレームワークを提案する。 われわれのPCFEAはマクロレベルとマイクロレベルという2つの異なる視点から3D UDAを実施している。
  論文  参考訳（メタデータ） (2023-11-27T07:33:15Z)
• Fourier Test-time Adaptation with Multi-level Consistency for Robust Classification [10.291631977766672]
  本稿では,Fourier Test-Time Adaptation (FTTA) と呼ばれる新しい手法を提案する。 FTTAは、予測の自己監督を行うために、ペア入力の信頼性の高い多レベル整合性測定を構築する。 異なる形態と器官を持つ3つの大きな分類データセットで広範囲に検証された。
  論文  参考訳（メタデータ） (2023-06-05T02:29:38Z)
• Unsupervised Domain Adaptation via Style-Aware Self-intermediate Domain [52.783709712318405]
  非教師なしドメイン適応(UDA)は、ラベル豊富なソースドメインから関連するがラベルのないターゲットドメインに知識を伝達する、かなりの注目を集めている。 本研究では,大規模なドメインギャップと伝達知識を橋渡しし,クラス非ネイティブ情報の損失を軽減するために,SAFF(style-aware feature fusion)法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T10:06:03Z)
• Self-supervised Feature-Gate Coupling for Dynamic Network Pruning [46.14789934991936]
  特徴とゲートの分布を整列する特徴ゲート結合(FGC)手法を提案する。 FGCはプラグアンドプレイモジュールであり、反復的な自己管理方式で2つのステップが実行される。 実験結果から,提案手法がベースラインアプローチを著しく改善することを確認した。
  論文  参考訳（メタデータ） (2021-11-29T02:16:54Z)
• Exploring Sequence Feature Alignment for Domain Adaptive Detection Transformers [141.70707071815653]
  本稿では,検出変圧器の適応に特化して設計された新しいシーケンス特徴アライメント(SFA)法を提案する。 SFAはドメインクエリベースの機能アライメント(DQFA)モジュールとトークンワイド機能アライメント(TDA)モジュールで構成される。 3つの挑戦的なベンチマーク実験により、SFAは最先端のドメイン適応オブジェクト検出方法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-07-27T07:17:12Z)
• Domain Conditioned Adaptation Network [90.63261870610211]
  本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。 これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
  論文  参考訳（メタデータ） (2020-05-14T04:23:24Z)
• Global Context-Aware Progressive Aggregation Network for Salient Object Detection [117.943116761278]
  我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。 提案手法は, 定量的かつ定性的に, 最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-02T04:26:10Z)

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。