論文の概要: Syntactic Segmentation and Collage Generation for Videogame Levels with Perceptual Distance

• arxiv url: http://arxiv.org/abs/2610.38987v1
• Date: Wed, 28 Oct 2026 22:11:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.014754
• Title: Syntactic Segmentation and Collage Generation for Videogame Levels with Perceptual Distance
• Title（参考訳）: 知覚距離を考慮したゲームレベルの統語的セグメンテーションとコラージュ生成
• Abstract要約: 本研究では,スペース・シンタクスのアーキテクチャ・サブフィールドからの解析技術に基づいて,知覚距離の概念を導入する。 この知覚距離を用いて階層的クラスタリングによるセグメントレベルの設計を行う。
• 参考スコア（独自算出の注目度）: 5.027571997864707
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In procedural videogame level design, many existing techniques combine hand-authored level chunks. Some existing analysis techniques also rely on a higher-level graph structure which abstracts the level design. In this paper, we explore techniques for computing both of these things automatically from an existing design. We introduce the concept of perceptual distance, based on analysis techniques from the architecture subfield of Space Syntax. We use this perceptual distance to segment level designs with hierarchical clustering. We compare with past work on StarCraft analysis, show results on rooms from Super Metroid, and also demonstrate a proof-of-concept level generation algorithm based on this segmentation method.
• Abstract（参考訳）: 手続き型ビデオゲームのレベル設計では、多くの既存のテクニックが手書きのレベルチャンクを組み合わせている。 既存の分析手法は、レベル設計を抽象化する高レベルのグラフ構造にも依存している。 本稿では,既存の設計からこれらの2つを自動で計算する手法について検討する。 本研究では,スペース・シンタクスのアーキテクチャ・サブフィールドからの解析技術に基づいて,知覚距離の概念を導入する。 この知覚距離を用いて階層的クラスタリングによるセグメントレベルの設計を行う。 我々は,StarCraft解析における過去の研究と比較し,スーパーメトロイドの部屋における結果を提示するとともに,このセグメンテーション法に基づく概念レベル生成アルゴリズムを実証した。

関連論文リスト

• Reconstructing Existing Levels through Level Inpainting [3.1788052710897707]
  本稿では、コンテンツ拡張について紹介し、レベルのインペイントのサブプロブレムに焦点を当てる。 本稿では,オートエンコーダとU-netの2つのレベルインペイント手法を提案する。
  論文  参考訳（メタデータ） (2023-09-18T04:10:27Z)
• Towards Deeply Unified Depth-aware Panoptic Segmentation with Bi-directional Guidance Learning [63.63516124646916]
  深度認識型パノプティックセグメンテーションのためのフレームワークを提案する。 本稿では,クロスタスク機能学習を容易にする双方向指導学習手法を提案する。 本手法は,Cityscapes-DVPS と SemKITTI-DVPS の両データセットを用いた深度認識型パノプティックセグメンテーションのための新しい手法である。
  論文  参考訳（メタデータ） (2023-07-27T11:28:33Z)
• SceneHGN: Hierarchical Graph Networks for 3D Indoor Scene Generation with Fine-Grained Geometry [92.24144643757963]
  3D屋内シーンは、インテリアデザインからゲーム、バーチャルおよび拡張現実に至るまで、コンピュータグラフィックスで広く使われている。 高品質な3D屋内シーンは、専門知識が必要であり、手動で高品質な3D屋内シーンを設計するのに時間を要する。 SCENEHGNは3次元屋内シーンの階層的なグラフネットワークであり,部屋レベルからオブジェクトレベルまでの全階層を考慮し,最後にオブジェクト部分レベルに展開する。 提案手法は, 立体形状の細かな家具を含む, 可塑性3次元室内容を直接生成し, 直接的に生成することができる。
  論文  参考訳（メタデータ） (2023-02-16T15:31:59Z)
• PSSNet: Planarity-sensible Semantic Segmentation of Large-scale Urban Meshes [3.058685580689605]
  テクスチャメッシュとして表現された3次元都市シーンを解釈するための,新しいディープラーニングベースのフレームワークを提案する。 我々のフレームワークは2つのステップでセマンティックセグメンテーションを実現する: 計画性に敏感なオーバーセグメンテーションとセマンティックセグメンテーション。 我々のアプローチは、境界品質とIoU(組合間)の平均で最先端の手法より優れています。
  論文  参考訳（メタデータ） (2022-02-07T14:16:10Z)
• Learning to Associate Every Segment for Video Panoptic Segmentation [123.03617367709303]
  粗いセグメントレベルのマッチングと細かなピクセルレベルのマッチングを同時に学習する。 本研究では,Cityscapes-VPSおよびVIPERデータセット上で,フレーム単位の計算モデルにより,最先端の計算結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-06-17T13:06:24Z)
• HUMAP: Hierarchical Uniform Manifold Approximation and Projection [40.77787659104315]
  HUMAPは、局所的・大域的構造の保存に柔軟であるように設計された、新しい階層的次元削減技術である。 提案手法の優位性を示す実証的証拠を現在の階層的アプローチと比較し,データセットラベリングにHUMAPを適用したケーススタディを示す。
  論文  参考訳（メタデータ） (2021-06-14T19:27:54Z)

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。