Gen'eLive!：在 Love Live! 中生成节奏动作
机器学习
2022-12-22 v2 多媒体
神经与进化计算
声音
机器学习
摘要
本文介绍了我们的节奏动作游戏生成模型及其在业务运营中的应用。节奏动作游戏是一类视频游戏，玩家需在音乐播放过程中于正确时机发出指令。这些时机被呈现在谱面（chart）中，谱面由称为音符（notes）的视觉符号飞过屏幕构成。我们提出了深度生成模型 Gen'eLive!，它通过利用节拍与时间尺度考虑音乐结构，性能优于最先进的模型。得益于其优异性能，Gen'eLive! 已在日本视频游戏开发商 KLab Inc. 投入运营，将谱面生成的业务成本降低了多达一半。应用对象包括现象级作品“Love Live!”，该作品在亚洲及其他地区拥有超过 1000 万用户，且是少数引领该类型在线时代的节奏动作系列之一。在本文中，我们在 Gen'eLive! 持续运营的同时，使用 KLab 的生产数据集以及用于可复现性的开放数据集评估其生成性能。我们经超级计算机调优并训练的代码与模型已公开可用。
引用
@article{arxiv.2202.12823,
title = {Gen\'eLive! Generating Rhythm Actions in Love Live!},
author = {Atsushi Takada and Daichi Yamazaki and Likun Liu and Yudai Yoshida and Nyamkhuu Ganbat and Takayuki Shimotomai and Taiga Yamamoto and Daisuke Sakurai and Naoki Hamada},
journal= {arXiv preprint arXiv:2202.12823},
year = {2022}
}
备注
15 pages, 13 figures, to appear at AAAI-23