压缩与比较过程内容生成器的生成空间
人机交互
2022-10-06 v1
摘要
过去十年中，关于数字游戏过程内容生成（PCG）的研究兴趣迅速增长，如今已有众多聚焦于驱动和应用 PCG 系统新方法的研线路线。进展相对缓慢的一个领域是开发用于比较替代 PCG 系统的可泛化方法，尤其是在其生成空间方面。本文旨在对该领域做出贡献，通过探索数据压缩算法在压缩 PCG 系统生成空间中的效用。我们希望该方法能成为开发有用定性工具以比较 PCG 系统的基础，从而帮助设计者更好地理解和优化其生成器。在这项工作中，我们通过考察各自生成空间压缩与关卡行为特征的关联程度，评估了一系列算法在 2D 基于瓦片游戏的关卡集合上的效能。我们得出结论：尽管在不同领域效能存在某些不一致，该方法看来是有前景的，且在所测试的算法中多重对应分析（Multiple Correspondence Analysis）似乎最为有效。
引用
@article{arxiv.2205.15133,
title = {Compressing and Comparing the Generative Spaces of Procedural Content Generators},
author = {Oliver Withington and Laurissa Tokarchuk},
journal= {arXiv preprint arXiv:2205.15133},
year = {2022}
}
备注
8 pages, 3 Figures, 2 Tables, Accepted to Conference on Games 2022