用于 Super Mario Bros 的多种文本编码器文本到关卡扩散模型

近期研究表明，扩散模型可无条件生成基于瓦片的游戏关卡，但针对文本到关卡生成的扩散模型应用仍较少见。要构建实用的模型，需要获取描述性标题与关卡之间的配对，以及文本嵌入模型，还需一种生成整个可玩关卡的方法，而非仅生成单个场景。我们提出了将描述性标题自动分配给现有数据集的策略，并训练使用预训练文本编码器和从头训练的简单变换模型的扩散模型。为生成的场景自动分配标题，以衡量输入标题与输出标题之间的重叠程度。我们还评估了所得关卡场景的多样性和可玩性。结果与无条件扩散模型、生成对抗网络以及五元模型和 MarioGPT 等文本到关卡方法进行比较。值得注意的是，最佳扩散模型使用简单的变换模型进行文本嵌入，且比采用更复杂文本编码器的扩散模型训练时间更短，表明无需依赖大型语言模型。我们还 presented 一个 GUI，允许设计师从模型生成的场景构建长关卡。