文献

J-GLOBAL ID：202002225580162071   整理番号：20A2444615

ビデオゲームレベル生成のための条件付きGANのブートストラッピング【JST・京大機械翻訳】

Bootstrapping Conditional GANs for Video Game Level Generation

著者 (6件)： Rodriguez Torrado Ruben (New York University - OriGen.AI,Game Innovation Lab,Brooklyn,USA) ,  Khalifa Ahmed (New York University,Game Innovation Lab,Brooklyn,USA) ,  Cerny Green Michael (New York University-OriGen.AI,Game Innovation Lab,Brooklyn,USA) ,  Justesen Niels (IT University of Copenhagen,Ko/benhavn,Denmark) ,  Risi Sebastian (IT University of Copenhagen,Ko/benhavn,Denmark) ,  Togelius Julian (New York University - OriGen.AI,Game Innovation Lab,Brooklyn,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CoG  ページ： 41-48  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 生成的敵対ネットワーク(GAN)は,画像生成のための印象的な結果を示した。しかし,GANは,ゲームレベルのようなある種の制約を持つコンテンツを生成する際に,課題に直面している。特に,美的アピールを持つレベルを生成し,同時に行うことができる。さらに,訓練データが通常制限されるので,現在のGANでユニークなレベルを生成することは挑戦的である。本論文では,条件付埋込み自己拡張遺伝的アルゴリズム(CESAGAN)と新しいブートストラップ訓練手順と呼ぶ新しいGANアーキテクチャを提案した。CESAGANは,識別器と発電機の訓練を条件づけるために埋込み特徴ベクトル入力を組み込んだ自己注意GANの修正である。これにより,ネットワークがゲームオブジェクト間の非局所依存性をモデル化し,オブジェクトを計数できる。さらに,GANを訓練するために必要なレベル数を低減するために,訓練セットに再生可能な発生レベルを加えたブートストラップメカニズムを提案した。その結果,この新しいアプローチは,標準GANと比較して,より多数のレベルを生成するだけでなく,より少ない複製レベルを生成することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ブートストラップ ,  弁別器 ,  *ゲーム ,  ネットワーク ,  複製 ,  画像合成 ,  計算機アーキテクチャ ,  遺伝的アルゴリズム ,  コンテンツ
準シソーラス用語： 訓練データ ,  特徴ベクトル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： GaN ,  ブートストラッピング