标签:GameGAN 游戏 角色 Dynamic 引擎 Simulate discriminator 判别
GameGAM:
Learning to Simulate Dynamic Environments with GameGAN
Seung Wook Kim1,2,3* Yuhao Zhou2†
Jonah Philion1,2,3 Antonio Torralba4 Sanja Fidler1,2,3* 1NVIDIA 2University of Toronto 3Vector Institute 4 MIT
————————————————————
1.GameGAN能够通过游戏当前画面和键盘的操作,基于训练过的模型来预测下一帧游戏画面;作者额外设置了一个外部内存,允许游戏角色返回访问过的位置同时保持游戏逻辑与画面的一致性;作者设计的解码器能够学习游戏画面的动态与静态成分
2.GameGAN主要有三个部分:外部存储器、动态引擎、渲染引擎
3.Dynamics Engines
3.1 动态引擎能够帮助GameGAN学习动作输入会造成的结果,它需要学习什么样的动作是不被允许的,比如操作角色对着墙前进,那么角色会保持原地不动;
3.2 动态引擎主要是一个LSTM
4.Memory Module
4.1 存储器模块在第t时有记忆模块M和位置信息α;
4.2 K, G 和 E 都是小型MLP;
4.3 a经过K后归一化压缩为一个3X3的核,得到w;
4.4 g为选通变量,g ∈ [0, 1] ,当g为0时α的值为上一步α的值,意味着游戏角色的位置并没有发生改变;
5.Rendering Engine
A为属性映射;O为目标映射;渲染引擎的第一部分主要是绘制动态角色,在第二部分通过SPADE合成器将背景与游戏角色共同生成
6.判别器
Single image discriminator:单帧判别器;
Action-conditioned discriminator:动作条件判别器;
Temporal discriminator:多帧判别器
代码:https://github.com/nv-tlabs/GameGAN_code
标签:GameGAN,游戏,角色,Dynamic,引擎,Simulate,discriminator,判别 来源: https://blog.csdn.net/qq_43754445/article/details/114703255
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。