Lode Enhancer：通过缩放实现关卡协同创作
机器学习
2023-08-04 v1 人工智能
摘要
我们探索了在创建 2D 游戏关卡语境下，以 AI 驱动的上采样作为设计辅助工具。深度神经网络用于对来自解谜平台游戏 Lode Runner 的人工降采样关卡块进行上采样。训练后的网络被集成到一个基于 Web 的编辑器中，用户可在三种不同分辨率（4x4、8x8 和 16x16）下创建和编辑关卡。任意分辨率下的编辑都会即时转移到其他分辨率。由于上采样需要生成在较低分辨率中可能不存在的特征，我们训练神经网络来复现这些特征。我们提出了一种神经网络架构，不仅能够学习上采样，还能对出现频率较低的图块赋予更高优先级。为探究该工具的潜力并指导进一步开发，我们对 3 名设计者开展了定性研究，以了解他们如何使用该工具。设计者乐于与工具协同设计，喜欢其底层概念，并提供了进一步改进的反馈。
引用
@article{arxiv.2308.01543,
title = {Lode Enhancer: Level Co-creation Through Scaling},
author = {Debosmita Bhaumik and Julian Togelius and Georgios N. Yannakakis and Ahmed Khalifa},
journal= {arXiv preprint arXiv:2308.01543},
year = {2023}
}