Apr, 2024

游戏场景多样性测量

PDF
TL;DR通过相关领域的创新应用，如程序内容生成等，本研究综合评述了游戏剧本多样性的多维性，以丰富玩家体验为核心，对多样的游戏剧本进行了详细分析，强调了它在游戏和教育中的重要性，通过多样性评估方法和指标的分类体系，为补充现有文献和实践提供了见解，并提出了度量和整合游戏剧本多样性的有效策略，强调了开发者和研究人员制作更吸引人且多样的游戏世界所需的统一分类体系，并为产业实践者提供了一本手册，帮助他们将多样性作为游戏设计和开发的关键组成部分。
game scenario diversityprocedural content generationplayer experiencesdiversity metricsgame design
发现论文，激发创造
  • 面向程序生成视频游戏关卡的客观指标

    本研究提出两种基于模拟的评估指标来测量生成游戏关卡的多样性和难度，并证明了该多样性指标比当前方法更稳健，并且能够直接影响可玩性因素，而难度指标则具有一定的相关性，为了推动可再生性，我们公开发布了我们的评估框架。

    Jan, 2022

  • 生成多样化行为参与的游戏关卡

    探讨了如何使用具有不同个性的代理来生成具有个性化的等级， 通过 Super Mario Bros 的实验研究，发现使用相同的评估指标，但不同个性的代理可以生成特定个性的等级。

    Jul, 2022

  • 通过质量多样性实现程序化内容生成

    Quality-diversity algorithms, with explicit behavior metrics searching for a set of high-quality and diverse solutions, provide new opportunities for AI game-playing and procedural content generation, enabling creative human-AI interactions and adaptivity.

    Jul, 2019

  • 拣选战局：以交互图为群体层面目标实现战略多样性

    本文研究如何通过 Interaction graphs 的方式构建不同策略的智能体种群，来提高多智能体训练的多样性和性能表现。

    Oct, 2021

  • 自然语言生成中多样性评估的评估

    本文提出了一种通过建立多样性度量指标及其多样性参数之间关系的系统来评估自然语言生成（NLG）系统多样性的方法，并通过对人类和自动度量，解码参数调整等方面的实验展示了这个框架的实用性。

    Apr, 2020

  • 软件多样性的多重方面: 2000 年及以后的最新发展

    该论文是关于软件多样性的综述，介绍了该领域的最新进展，包括设计和数据多样性、网络安全、自然多样性和多样化软件产品的管理，并且强调了从 2000 年以来的最新成果。

    Sep, 2014

  • 衡量协同生成图像的多样性

    通过将神经网络编码的熵用于比较图像集合之间的多样性，我们提出了一种无需基准知识且易于计算的方法来评估协同创作系统生成的内容的多样性。通过比较两个预训练网络的选择与我们想要评估的多样性概念的关系，我们还讨论了这些度量在交互系统中的概念生成、模型评估以及计算创造力的更广泛应用。

    Mar, 2024

  • 从游戏行为和情感表达建模玩家人格因素

    通过分析游戏行为和个性问卷，我们探索了从记录的游戏行为中预测玩家的个人特质问卷指标的可能性，并尝试通过添加情感对话决策来提高模型的准确性。我们使用随机森林回归方法，在定制化的角色扮演游戏《辐射：新维加斯》的 60 分钟游戏时间内，从 62 位玩家的数据中预测了七个已建立的个性问卷的多种指标。尽管一些个性变量可以从合理的游戏行为和情感表达中识别出来，但我们未能找到预测其他变量的方法，也遇到了一些不能通过理论背景文献来解释的可疑相关性。然而，基于这个探索性研究的初步机会，我们计划大规模扩展我们的数据集，研究更复杂的机器学习方法在真实工业游戏环境中的表现。

    Aug, 2023

  • DriveSceneGen: 从零开始生成多样且逼真的驾驶场景

    大规模多样化的真实交通场景对于自动驾驶系统的开发和验证至关重要。本研究引入了 DriveSceneGen，一种数据驱动的驾驶场景生成方法，从真实世界的驾驶数据集中学习并生成完整的动态驾驶场景。与真实世界的数据集相比，DriveSceneGen 能够以高保真度和多样性生成与实际数据分布相吻合的新型驾驶场景。与真实世界数据集相比，5,000 个生成场景的实验结果突出了生成质量、多样性和可扩展性。据我们所知，DriveSceneGen 是首个能够从头开始生成涉及静态地图元素和动态交通参与者的新型驾驶场景的技术。

    Sep, 2023

  • 评估图像生成中的地理多样性差异

    通过引入三个指标，我们评估了文本到图像生成系统在生成全球各地对象时的真实性、多样性和提示生成的一致性，分析了当前最先进的视觉内容生成系统中可能存在的地理偏见，并发现：（1）在提示生成非洲和西亚的对象时，模型的真实性和生成多样性较欧洲较低，（2）使用地理信息作为提示对生成的图片的一致性和多样性具有一定的负面影响，以及（3）在一些对象上，模型存在更多的区域级差异。引入这些指标是确保每个人在视觉内容创建中有积极体验的关键步骤。

    Aug, 2023