通过知识转换的程序化内容生成（PCG-KT）
人工智能
2023-05-02 v1
摘要
我们引入了通过知识转换的程序化内容生成（PCG-KT）这一概念，这是一种用于刻画 PCG 方法与途径的新视角和框架，其中内容生成由知识转换过程实现——将从一个领域导出的知识进行转换以应用于另一领域。我们的工作受到近期大量 PCG 研究的启发，这些研究聚焦于通过重新利用派生知识来生成新颖内容。例如，此类研究包括对在一个游戏内容上训练的模型进行迁移学习以适应另一游戏的内容，以及重组不同的生成分布以融合两个或多个游戏的内容。这类方法的出现部分源于通过机器学习进行程序化内容生成（PCGML）的局限，例如为缺乏训练数据的游戏生成生成模型，以及为全新游戏生成内容。在本文中，我们通过给出描述和刻画此类方法的定义与框架，将这类方法归入 PCG-KT 这一新视角之下，并利用该框架综述现有工作。最后，我们指出该领域开放性问题与未来研究方向以作总结。
引用
@article{arxiv.2305.00644,
title = {Procedural Content Generation via Knowledge Transformation (PCG-KT)},
author = {Anurag Sarkar and Matthew Guzdial and Sam Snodgrass and Adam Summerville and Tiago Machado and Gillian Smith},
journal= {arXiv preprint arXiv:2305.00644},
year = {2023}
}
备注
15 pages, 14 figures