通过关卡修补重建现有关卡
通过深度学习,对于图像和视频修复的基于深度学习的方法进行综合评述,并从高水平的修复流程、深度学习架构、模块设计等多个角度进行分类总结。同时,讨论了训练目标、常见基准数据集、评估指标以及各修复方法的优势、局限性及实际应用,并探讨了公开挑战和未来可能的研究方向。
Jan, 2024
通过利用人类注释的游戏玩法视频,实现一种多重尾部框架,该框架学习执行同时水平转换和生成的任务,具有在 Level 传输中提高总体性能的潜力,并展示未来版本泛化到未见过游戏的可能性。
Jun, 2023
本研究探讨了通过机器学习进行程序化内容生成技术在游戏领域的应用,着重介绍了如何基于多个游戏领域构建新的自动生成游戏关卡的方法,使用了多个游戏平台的数据,并训练了变分自编码器以跨越各个领域的潜在关卡空间来生成新的内容。
Aug, 2020
研究如何使用强化学习训练级别设计代理,将关卡设计视为游戏并将内容生成器本身学习,并探讨了三种不同的转换二维层次设计问题的马尔可夫决策过程,将其应用于三个游戏环境中。
Jan, 2020
我们介绍了一种名为 Tree-based Reconstructive Partitioning (TRP) 的新型 PCGML 方法,它能够解决在游戏开发的早期阶段应用 PCG 和 PCGML 方法的问题。我们的实验证明,TRP 产生的关卡更具可玩性和一致性,而且在使用较少训练数据时更具普适性。我们认为 TRP 是一种有前景的新方法,它可以在游戏开发的早期阶段引入 PCGML 而不需要人工专业知识或大量训练数据。
Sep, 2023
本研究提出了一种新的图像修复方法,结合了神经网络的先验知识和用户的引导,使用自动编码器和语义解码器完成两个阶段,实现对修复结果的自定义控制,实验结果表明该方法在修复质量和可控性方面优于现有方法。
Jan, 2022
本文提出一种新的游戏水平融合方法,利用聚类的瓷砖嵌入技术作为无注释游戏的水平表示,将其应用于经典的任天堂游戏 Lode Runner 和 The Legend of Zelda,比较其在混合任务中的表现。
Jun, 2023
通过整合先进的生成人工智能(GenAI)和计算机视觉技术,本研究探索了一种综合方法,重点是图像操作。研究的有效性在实验中得到验证,强调了其在生成引人注目内容方面的潜力,使用户能够根据特定提示对个人照片进行服装和背景的修改,无需手动输入修复遮罩,从而有效地将主题植入创意想象的广阔景观中。
Feb, 2024