Mar, 2024

SceneX: 基于大型语言模型的程序控制大规模场景生成

PDF
TL;DR通过引入大规模场景生成框架 SceneX，本文提出了一种利用大型语言模型驱动程序化建模的方法，以用户的文本描述为指导，自动生成高质量的程序化模型，从而实现可控的大规模场景生成和编辑。
large-scale scene generationprocedural modelingscenexpcgbenchpcgplanner
发现论文，激发创造
  • 3D-GPT：利用大型语言模型进行程序化 3D 建模

    基于 3D-GPT 的指令驱动的 3D 建模框架，利用语言模型实现了高效的自动内容创作，简化初始场景描述并从文本中提取参数值，与 3D 软件无缝集成，为未来场景生成和动画的进一步发展提供了基础。

    Oct, 2023

  • 可控 3D 楼层生成器的学习

    使用强化学习实现程序化内容生成（PCGRL），通过可计算、用户定义的质量度量训练智能体优化 3D 环境下针对 Minecraft 游戏的任务，生成多样化的游戏关卡，展示了 PCGRL 在 3D 环境下的应用和潜力。

    Jun, 2022

  • 机器学习的程序化内容生成（PCGML）

    本文旨在探讨使用机器学习的方法生成游戏内容，涉及的技术包括神经网络、马尔可夫模型等，讨论了该方法在游戏设计中的应用及存在的问题。

    Feb, 2017

  • 逐层组合级别生成器以创建复杂结构

    本文主要介绍了一种基于组合生成的方法，在复杂和现代游戏中实现可优化性，解决算法设计复杂度高的问题，并在游戏设计中优化功能要求，旨在推动程序内容生成技术在视频游戏产业中的应用。

    Feb, 2023

  • 用于游戏程序内容生成优化问题的景观分析工具

    本文介绍了 Procedural Content Generation (PCG) 及其方法，其中 search-based PCG 将给定的任务作为优化问题，通过进化算法解决。我们提出和讨论了三种高效的分析工具：对角线行走、高层次属性的估计以及问题相似度测量。这些分析方法有助于 PCG 方法的比较和生成内容的质量提升。

    Feb, 2023

  • 基于大语言模型的实用 PCG

    该研究展示如何使用 LLMs 来生成名为 Metavoidal 的游戏的二维游戏房间，通过人为干预微调的方法，可以从仅 60 个手动设计的房间中生成 37% 的可玩新颖关卡，以适应 Procedural Content Generation（PCG）的全局和局部约束。

    May, 2023

  • 通过程序生成增加机器学习的通用性

    研究了游戏中的 Procedural Content Generation (PCG) 对于增加机器学习方法的通用性的重要性，特别是学习算法对于过度拟合的困扰和参数随机化的抗拟合方法，以增加算法对于不同环境的适应性和回报。

    Nov, 2019

  • 智能生成图形游戏资产：概念框架与现状的系统综述

    通过系统文献综述，本文研究了图形素材生成领域中的最新方法，旨在填补现有研究的不足，并提出了一个概念框架来解决这些问题。

    Nov, 2023

  • CommonScenes：使用场景图生成常识化的 3D 室内场景

    本文提出了一种基于场景图的全生成模型 CommonScenes，旨在通过抽象场景上下文，生成对应的可控三维场景。该模型通过两个分支的预测和生成实现对全局场景 - 对象及局部对象 - 对象关系的捕捉，同时保留形态多样性，从而在生成一致性、品质和多样性方面具有明显优势。

    May, 2023

  • 利用游戏视频进行联合级别生成和翻译

    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