Poste de recherche

Génération de ressources artistiques pertinentes pour le jeu grâce à l'apprentissage par transfert

Résumé

Dans le développement de jeux, la conception de ressources visuelles convaincantes qui transmettent des caractéristiques pertinentes pour le jeu nécessite du temps et de l'expérience. Les méthodes récentes de génération d'images qui créent un contenu de haute qualité pourraient réduire les coûts de développement, mais ces approches ne tiennent pas compte des mécanismes du jeu. Nous proposons un système d'autoencodeur variationnel convolutif (CVAE) pour modifier et générer de nouveaux visuels de jeu en fonction de leur pertinence pour le gameplay. Nous testons cette approche avec des sprites de Pokémon et des informations sur les types de Pokémon, car les types sont l'une des principales mécaniques du jeu et ils ont un impact direct sur les visuels du jeu. Nos résultats expérimentaux indiquent que l'adoption d'une approche d'apprentissage par transfert peut aider à améliorer la qualité visuelle et la stabilité sur des données non vues.

Derniers documents de recherche

Connectez-vous avec la communauté

Participez à l'écosystème croissant de l'IA en Alberta ! Les demandes de conférenciers, de parrainage et de lettres de soutien sont les bienvenues.

Explorer la formation et l'enseignement supérieur

Vous êtes curieux de connaître les possibilités d'études auprès de l'un de nos chercheurs ? Vous voulez plus d'informations sur les possibilités de formation ?

Exploiter le potentiel de l'intelligence artificielle

Faites-nous part de vos objectifs et de vos défis concernant l'adoption de l'IA dans votre entreprise. Notre équipe Investissements & Partenariats vous contactera sous peu !