論文の概要: Representing and Generating Levels Over Time through Playtrace Reconstructive Partitioning

• arxiv url: http://arxiv.org/abs/2607.12097v1
• Date: Mon, 13 Jul 2026 19:14:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:29.940674
• Title: Representing and Generating Levels Over Time through Playtrace Reconstructive Partitioning
• Title（参考訳）: プレイトレース再構成分割による時間的水準の表現と生成
• Abstract要約: 動的情報を暗黙的にエンコードする新しいドメイン非依存のケーキ表現を時間とともに導入する。 本稿では,このケーキ表現に特化して開発された新しいレベル生成手法であるプレイトレース再構成(PRP)を提案する。
• 参考スコア（独自算出の注目度）: 6.187780920448869
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video games are a dynamic medium experienced over time. While there are many Procedural Content Generation (PCG) approaches for generating video game levels, they often use representations that abstract away this dynamic nature. In this paper, we introduce a novel, domain-independent ``cake'' representation for game levels over time which implicitly encodes dynamic information. We present a novel level generation approach Playtrace Reconstructive Partitioning (PRP) specifically developed for this cake representation. We compare against six state-of-the-art PCG approaches in the game domain of \textit{Sokoban}, and find that our approach can generate valid levels without sacrificing solution diversity. We believe our cake representation more neatly encodes the implicit dynamic nature of games compared to existing representations, which allows for our domain-agnostic level generation algorithm PRP.
• Abstract（参考訳）: ビデオゲームは時間の経過とともに経験されるダイナミックメディアである。 ゲームレベルの生成には多くの手続き的コンテンツ生成(PCG)アプローチがあるが、このダイナミックな性質を抽象化する表現を使うことが多い。 本稿では,動的情報を暗黙的にエンコードするゲームレベルに対して,ドメインに依存しない新規な'cake'表現を提案する。 本稿では,このケーキ表現に特化して開発された新しいレベル生成手法であるプレイトレース再構成(PRP)を提案する。 ゲーム領域における6つの最先端PCGアプローチを比較し,解の多様性を犠牲にすることなく有効なレベルを生成できることを見出した。 我々のケーキ表現は、既存の表現と比較してゲームの暗黙のダイナミックな性質をより正確にエンコードし、ドメインに依存しないレベル生成アルゴリズム PRP を可能にしていると信じている。

関連論文リスト

• Unbounded: A Generative Infinite Game of Character Life Simulation [68.37260000219479]
  生成モデルを用いて,有限なハードコードシステムの境界を超越したゲームである生成無限ゲームの概念を導入する。 我々は、生成AIの最近の進歩を活用して、生成モデルに完全にカプセル化されたキャラクターライフシミュレーションゲームUnboundedを作成する。
  論文  参考訳（メタデータ） (2024-10-24T17:59:31Z)
• GAVEL: Generating Games Via Evolution and Language Models [40.896938709468465]
  我々は,Ludiiゲーム記述言語における新規ゲームの生成について検討する。 我々は、コードとして表現されたゲームやメカニクスをインテリジェントに変更し、再結合するモデルを訓練する。 生成されたゲームのサンプルは、Ludiiポータルからオンラインでプレイすることができる。
  論文  参考訳（メタデータ） (2024-07-12T16:08:44Z)
• Re-Thinking Inverse Graphics With Large Language Models [51.333105116400205]
  逆グラフィックス -- イメージを物理変数に反転させ、レンダリングすると観察されたシーンの再現を可能にする -- は、コンピュータビジョンとグラフィックスにおいて根本的な課題である。 LLMを中心とした逆グラフフレームワークである逆グラフ大言語モデル(IG-LLM)を提案する。 我々は、凍結した事前学習されたビジュアルエンコーダと連続的な数値ヘッドを組み込んで、エンドツーエンドのトレーニングを可能にする。
  論文  参考訳（メタデータ） (2024-04-23T16:59:02Z)
• 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)
• Promptable Game Models: Text-Guided Game Simulation via Masked Diffusion Models [68.85478477006178]
  ニューラルビデオゲームシミュレータのためのPGM(Promptable Game Model)を提案する。 ユーザーは高レベルのアクションシーケンスと低レベルのアクションシーケンスでゲームを実行することができる。 私たちのPGMは、エージェントの目標をプロンプトの形で指定することで、ディレクターのモードをアンロックします。 提案手法は,既存のニューラルビデオゲームシミュレータのレンダリング品質を著しく上回り,現在の最先端の能力を超えたアプリケーションをアンロックする。
  論文  参考訳（メタデータ） (2023-03-23T17:43:17Z)
• Domain Generalization via Shuffled Style Assembly for Face Anti-Spoofing [69.80851569594924]
  FAS(Generalizable Face Anti-Spoofing)は注目されている。 この作業では、完全な表現をコンテンツとスタイルに分けます。 Shuffled Style Assembly Network (SSAN) は、異なるコンテンツやスタイルの特徴を抽出し、再組み立てするために提案されている。
  論文  参考訳（メタデータ） (2022-03-10T12:44:05Z)
• Level Generation for Angry Birds with Sequential VAE and Latent Variable Evolution [25.262831218008202]
  我々は,Angry Birdsのゲームドメインに対して,深部生成モデルに基づくレベル生成を開発する。 実験により,提案したレベルジェネレータは生成レベルの安定性と多様性を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2021-04-13T11:23:39Z)
• Deep Policy Networks for NPC Behaviors that Adapt to Changing Design Parameters in Roguelike Games [137.86426963572214]
  例えばRoguelikesのようなターンベースの戦略ゲームは、Deep Reinforcement Learning(DRL)にユニークな課題を提示する。 複雑なカテゴリ状態空間をより適切に処理し、設計決定によって強制的に再訓練する必要性を緩和する2つのネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-12-07T08:47:25Z)
• Entity Embedding as Game Representation [0.9645196221785693]
  エンゲージ埋め込み」と呼ばれるものを導出するためのオートエンコーダを提案する。 本稿では,学習した表現と,その品質と将来性に関するいくつかの証拠を紹介する。
  論文  参考訳（メタデータ） (2020-10-04T21:16:45Z)
• Co-generation of game levels and game-playing agents [4.4447051343759965]
  本稿では, PoET-Inspired Neuroevolutionary System for Kreativity (PINSKY) をゲームで紹介する。 その結果,PINSKYがゲームレベルのカリキュラムを生成できることが示され,コンテンツ生成と人工生活の交差点における研究の新たな道が開かれた。
  論文  参考訳（メタデータ） (2020-07-16T17:48:05Z)
• Learning to Simulate Dynamic Environments with GameGAN [109.25308647431952]
  本稿では,エージェントが環境と対話するのを見ることでシミュレーターを学習することを目的とする。 ゲームGANは,学習中にスクリーンプレイやキーボード操作を取り入れることで,所望のゲームを視覚的に模倣することを学習する生成モデルである。
  論文  参考訳（メタデータ） (2020-05-25T14:10:17Z)
• Controllable Level Blending between Games using Variational Autoencoders [6.217860411034386]
  スーパーマリオブラザーズとキッド・イカラスのレベルデータに基づいてVAEをトレーニングし、両方のゲームにまたがる潜伏空間を捕捉できるようにします。 次に、この空間を用いて、両方のゲームからレベルの特性を組み合わせたレベルセグメントを生成する。 これらの余裕は、特に共同創造的レベルの設計にVAEベースのアプローチを適していると我々は主張する。
  論文  参考訳（メタデータ） (2020-02-27T01:38:35Z)

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。