Mar, 2021

使用 DeLeNoX 转化探索性创意

PDF
TL;DRDeLeNoX is a system that uses deep learning and novelty search to create diverse artifacts, specifically spaceships for arcade-style computer games, through exploration and transformation phases, and is relevant to theories of exploratory and transformational creativity and Schmidhuber's drive for compression progress.
deep learningprocedural content generationnovelty searchautoencodercreativity
发现论文，激发创造
  • Minecraft 建筑生成的开放式演化

    本文提出了一种过程化内容生成器，根据新颖性的内在定义，演化 Minecraft 建筑物，评估个体的新颖性，通过 3D 自动编码器和探索转换阶段交替进行，使用不同方法训练自动编码器，通过重新训练自动编码器，使模型更加具有开放性复杂性，改进了候选人的合规约束和结构，获得更好的演化质量和多样性。

    Sep, 2022

  • 面向神经启发的创意解码器

    该研究提出了一种基于深度生成式框架内创意解码器，该解码器直接在从学习的潜在空间中抽样后调节神经元激活模式，通过对不同图像数据集进行实验，表明高度激活的神经元和弱激活的神经元的非典型协同促进了新颖和有意义的艺术品的生成。

    Feb, 2019

  • 用好奇心作为自我监督的方法，以改善 De novo 药物设计中的探索

    我们介绍了一种基于好奇心驱动的方法，通过在化学空间的许多部分导航，从而实现更高的理想性和多样性。这种方法通过训练一个基于递归神经网络的分子生成器，并在此基础上进行微调，通过最大化好奇心和理想性来发现更多以及更易合成的理想分子。

    Sep, 2023

  • 载波编码器：受人工智能限制的协同创造

    Lode Encoder 是一个基于多种自动编码器的经过游戏化设计的混合主动式水平创作系统，适用于经典平台益智游戏 Lode Runner。该系统允许用户通过自动编码器提供的建议进行绘制和编辑关卡，以鼓励设计者探索新的可能性。系统设计和训练过程、系统自身的演变以及用户测试得到了报告。

    Aug, 2023

  • 通过深度神经网络生成不同类型的数字

    本文提出以基于知识的创造力为基础的新颖性价值概念，通过深度生成自编码器训练和生成数字图像集合来阐述该概念，进而解决人为提供新颖性价值函数的问题。

    Jun, 2016

  • ConceptX：潜在概念分析框架

    该研究提出了 ConceptX 人在循环框架，用于解释深度语言模型中预训练隐藏表达空间，并提供自动生成的基于语言本体论的概念注释，以表示这些模型中学习到的隐含概念，从而帮助注释人员标记模型中的偏见。

    Nov, 2022

  • 探索性示例模型用于深度强化学习

    本文提出了一种基于判别式训练范例模型的探索性新颖性检测算法，该算法可以应用于稀疏回报问题的深度强化学习任务，此方法在 vizDoom 基准测试中取得了最先进的结果。

    Mar, 2017

  • 潜在扩散模型下的创意绘画

    本研究采用基于自编码器的后向扩散模型和交叉注意力增强的 U-Net 来实现压缩潜在空间的图像生成，扩展了 LDMs 的创意绘画能力，包括文本条件扩展和模型重新训练，该方法使用 Wikiart 数据集进行新颖的绘画生成​​，并通过与原模型的直接比较表明创造力和艺术性得到了丰富的提高。

    Sep, 2022

  • 基于表征空间的新颖性搜索，用于高效探索

    通过将环境的低维编码与基于模型和无模型目标相结合的学习相结合，提出了一种有效探索的新方法，利用了基于低维表示空间最近邻之间的距离来衡量新颖性的固有奖励，进而在表示空间中利用这些固有奖励在奖励稀疏的困难探索任务中进行样本高效的探索。

    Sep, 2020

  • 基于自适应语言模型和语义描述的多样化编程难题生成

    通过使用大型语言模型（LLM）生成的语义描述符直接优化有趣的多样性，我们提出了一种新的自动创作生成方法（ACES），用于在 Python 编程难题的无限空间中生成新颖且可行的目标，从而发现多样化的可解编程难题，并研究其对难题求解模型训练的影响。

    Oct, 2023