TOAD-GAN：基于单一示例的连贯风格关卡生成
机器学习
2020-08-05 v1 神经与进化计算
机器学习
摘要
在本工作中，我们提出 TOAD-GAN（基于令牌的一次性任意维度生成对抗网络，Token-based One-shot Arbitrary Dimension Generative Adversarial Network），一种新颖的程序化内容生成（PCG）算法，用于生成基于令牌的视频游戏关卡。TOAD-GAN 遵循 SinGAN 架构，且仅需一个示例即可训练。我们展示了其在《超级马里奥兄弟》关卡上的应用，并能够生成任意尺寸、风格相似的新关卡。我们在建模训练关卡模式方面取得了最先进（state-of-the-art）的结果，并在多个指标下与不同基线进行了比较。此外，我们提出了该方法的一个扩展，允许用户控制某些令牌结构的生成过程，以确保全局关卡的连贯布局。我们通过发布源代码向社区提供此工具，以激发进一步研究。
引用
@article{arxiv.2008.01531,
title = {TOAD-GAN: Coherent Style Level Generation from a Single Example},
author = {Maren Awiszus and Frederik Schubert and Bodo Rosenhahn},
journal= {arXiv preprint arXiv:2008.01531},
year = {2020}
}
备注
7 pages, 7 figures. AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment (AIIDE) 2020