通过机器学习在程序化内容生成中获取局部与全局模式
人工智能
2020-05-27 v1 机器学习
摘要
近期基于机器学习的程序化内容生成（PCGML）方法允许从已有内容中学习并自动产生相似内容。尽管这些方法能为不同游戏（如超级马里奥兄弟、DOOM、塞尔达和光之神话）生成内容，这些方法能在多大程度上捕捉对称性等大规模视觉模式仍是一个开放问题。在本文中，我们提出以三消游戏作为测试 PCGML 算法生成合适模式能力的领域。我们展示生成对抗网络（GAN）等流行算法在该领域表现不佳，并提出了改进其性能的适配方案。特别地，我们扩充了马尔可夫随机场方法的邻域，使其不仅考虑局部还考虑对称位置信息。我们进行了若干实证测试（包括一项用户研究），表明所提修改带来的改进，并获得了有前景的结果。
引用
@article{arxiv.2005.12579,
title = {Capturing Local and Global Patterns in Procedural Content Generation via Machine Learning},
author = {Vanessa Volz and Niels Justesen and Sam Snodgrass and Sahar Asadi and Sami Purmonen and Christoffer Holmgård and Julian Togelius and Sebastian Risi},
journal= {arXiv preprint arXiv:2005.12579},
year = {2020}
}
备注
IEEE Conference on Games 2020