仅随机化一次：在基于约束的程序化内容生成中塑造统计特性

在程序化内容生成中，将生成任务建模为约束满足问题，使我们能够对生成输出定义局部和全局约束。然而，生成器的感知质量通常涉及统计特性，而不仅仅是硬约束。例如，我们可能希望生成的输出使用与参考设计具有相似分布的设计元素。然而，这种统计特性不能直接表达为对任何单个输出生成的硬约束。相比之下，不使用通用约束求解器的方法，例如Gumin实现的波函数坍缩（WFC）算法，可以控制输出统计特性，但约束传播能力有限，且无法表达非局部约束。在本文中，我们引入了“仅随机化一次”（YORO）预排序，这是一种为约束求解器精心设计决策变量排序的方法，该方法将期望的统计特性编码到基于约束的生成器中。以基于求解器的波函数坍缩为例，我们展示了该技术能有效控制由多个现成的SAT求解器生成的瓦片网格输出的统计特性，同时仍然对输出强制执行全局约束。我们的方法可直接应用于类似波函数坍缩的生成问题，并为在其他基于约束的生成器中控制设计元素统计特性提供了一个概念起点。