基于变分自编码器的序列片段式关卡生成与混合
机器学习
2020-07-20 v1 机器学习
摘要
现有的使用潜变量模型(如VAEs和GANs)的关卡生成方法以片段为单位进行,并通过将这些分别生成的片段拼接在一起来产生最终关卡。本文在这些方法的基础上,训练VAEs学习片段生成的序列模型,使得生成的片段在逻辑上承接先前的片段。通过进一步将VAE与一个分类器结合,该分类器决定是将生成的片段放置在先前片段的上方、下方、左侧还是右侧,我们获得了一个流程,能够生成任意长度、沿这四个方向中任一方向延伸且由逻辑上相互承接的片段组成的关卡。除了生成更连贯的非固定长度关卡外,该方法还实现了来自不同朝向的不相似游戏关卡的隐式混合。我们使用来自Super Mario Bros.、Kid Icarus和Mega Man的关卡演示了我们的方法,表明我们的方法生成的关卡比先前基于潜变量的方法更连贯,并且能够实现跨游戏的关卡混合。
引用
@article{arxiv.2007.08746,
title = {Sequential Segment-based Level Generation and Blending using Variational Autoencoders},
author = {Anurag Sarkar and Seth Cooper},
journal= {arXiv preprint arXiv:2007.08746},
year = {2020}
}
备注
8 pages, 9 figures, 11th Workshop on Procedural Content Generation (PCG 2020)