基于生成对抗网络的过程式三维地形生成
图像与视频处理
2020-10-14 v1 机器学习
摘要
过程式三维地形生成在开放世界游戏中已成为一种必需，因为它能通过功能上无限多的不同区域为玩家提供无限的内容以供探索。在我们的方法中，我们使用生成对抗网络（GAN）基于由卫星或无人机捕获的遥感地景图像分布来生成逼真的三维环境。我们的任务包括合成一张随机但合理的RGB卫星图像，并生成相应的以三维点云形式表示的高程图，该高程图将作为地景的合适网格。第一步，我们利用以卫星图像训练的GAN，该网络能够学习数据集的分布，从而创建新颖的卫星图像。第二部分，我们需要从RGB图像到数字高程模型（DEM）的一一映射。我们部署了条件生成对抗网络（CGAN），它是图像到图像翻译的最先进方法，以为第一个模型随机生成的每张图像生成合理的高程图。将生成的DEM与RGB图像结合，我们能够构建由合理的高度分布和着色组成的三维场景，这与训练期间提供的遥感地景相关。
引用
@article{arxiv.2010.06411,
title = {Procedural 3D Terrain Generation using Generative Adversarial Networks},
author = {Emmanouil Panagiotou and Eleni Charou},
journal= {arXiv preprint arXiv:2010.06411},
year = {2020}
}
备注
9pages presented in Games and AI workshop (https://games-and-ai.scify.org/) of SETN2020 conference