使用高斯混合 VAE 的游戏关卡聚类与生成
机器学习
2020-09-22 v1 机器学习
摘要
变分自编码器（VAEs）已被证明能够生成游戏关卡，但需要手动探索学习到的潜空间以生成具有期望属性的输出。虽然条件 VAE 通过允许生成以标签为条件来解决此问题，但此类标签必须在训练期间提供，因此需要可能并非总是可用的先验知识。在本文中，我们应用高斯混合 VAE（GMVAEs），这是 VAE 的一种变体，其在潜空间上施加高斯混合（GM），而不像常规 VAE 那样施加单模态高斯。这使得 GMVAEs 能够使用 GM 的分量以无监督方式对关卡进行聚类，然后使用学习到的分量生成新关卡。我们使用来自 Super Mario Bros.、Kid Icarus 和 Mega Man 的关卡演示我们的方法。我们的结果表明，学习到的分量发现并聚类了关卡结构与模式，并可用于生成具有期望特征的关卡。
引用
@article{arxiv.2009.09811,
title = {Game Level Clustering and Generation using Gaussian Mixture VAEs},
author = {Zhihan Yang and Anurag Sarkar and Seth Cooper},
journal= {arXiv preprint arXiv:2009.09811},
year = {2020}
}
备注
6 pages, 5 figures, 16th AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment (AIIDE 2020)