World-GAN：一种用于 Minecraft 世界的生成模型
机器学习
2021-06-21 v1 计算机视觉与模式识别
神经与进化计算
摘要
本工作介绍了World-GAN，这是首个从单一示例在Minecraft中通过机器学习进行数据驱动的程序化内容生成（Procedural Content Generation）的方法。基于3D生成对抗网络（GAN）架构，我们能够从给定样本创建任意大小的世界片段。我们在社区创作以及使用Minecraft世界生成器生成的结构上评估了我们的方法。我们的方法受自然语言处理（NLP）中随word2vec引入的稠密表示[1]所启发。所提出的block2vec表示使World-GAN独立于不同方块的数量（在Minecraft中差异很大），并支持更大关卡的生成。最后，我们证明改变这一新表示空间可让我们改变已训练生成器的生成风格。World-GAN使其用户能够基于其创作的部分生成Minecraft世界。
引用
@article{arxiv.2106.10155,
title = {World-GAN: a Generative Model for Minecraft Worlds},
author = {Maren Awiszus and Frederik Schubert and Bodo Rosenhahn},
journal= {arXiv preprint arXiv:2106.10155},
year = {2021}
}
备注
8 pages, 8 figures, IEEE Conference on Games (CoG) 2021