关卡生成与风格增强——面向游戏开发的深度学习综述
计算机视觉与模式识别
2021-07-16 v1
摘要
我们提出了使用深度学习为电子游戏（桌面、移动和网页）创建和增强关卡地图与纹理的实用方法——旨在为游戏开发者和关卡美术师呈现新的可能性。设计和填充细节丰富的关卡是一项挑战性任务，既耗时又需要投入精力，才能使关卡丰富、复杂且具有自然感。幸运的是，深度学习的最新进展为关卡设计师和视觉美术师提供了新工具。此外，它们提供了一种为游戏可重玩性生成无限世界以及根据玩家需求调整教育性游戏的方法。我们提出了创建关卡地图的七种方法，每种都使用统计方法、机器学习或深度学习。具体而言，包括：- 用于从现有样本（如ProGAN）创建新图像的生成对抗网络（GAN）。- 用于在保持清晰细节的同时放大图像（如ESRGAN）的超分辨率技术。- 用于更改视觉主题的神经网络风格迁移。- 图像翻译——将语义地图转为图像（如GauGAN）。- 用于将图像转为语义掩码（如U-Net）的语义分割。- 用于提取语义特征（如Tile2Vec）的无监督语义分割。- 纹理合成——基于较小样本创建大型图案（如InGAN）。
引用
@article{arxiv.2107.07397,
title = {Level generation and style enhancement -- deep learning for game development overview},
author = {Piotr Migdał and Bartłomiej Olechno and Błażej Podgórski},
journal= {arXiv preprint arXiv:2107.07397},
year = {2021}
}
备注
16 pages, 10 figures, submitted to the 52nd International Simulation and Gaming Association (ISAGA) Conference 2021