In the Blink of an Eye: Instant Game Map Editing using a Generative-AI Smart Brush

要約

ビデオゲームの複雑さが着実に増加するにつれて、ゲームコンテンツの自動生成が広範囲にわたる関心を見出しています。
ただし、3Dゲームマップの作成のタスクは、その独特の複雑さとドメイン固有の課題により、これまでにないままです。
最近の作品は、レトロスタイルのレベルの生成や手続き上の地形の作成などの関連するトピックに対処していますが、これらの作品は主により単純なデータ分布に焦点を当てています。
私たちの知る限り、私たちは、複雑で非常に詳細なAAA 3Dゲーム環境での高解像度のテクスチャ操作のための最新のAI技術の適用を実証する最初の人です。
マップ編集用の新しいスマートブラシを紹介します。アーティストが最小限の労力でゲームマップの選択した領域をシームレスに変更するのを支援するように設計されています。
生成的な敵対的なネットワークと拡散モデルを活用することにより、効率的でコンテキスト認識の生成を可能にするブラシの2つのバリアントを提案します。
当社のハイブリッドワークフローは、芸術的な柔軟性と生産効率の両方を高めることを目的としており、すべての細部を手動で再加工することなく環境の改良を可能にし、ゲーム開発における自動化とクリエイティブコントロールのギャップを埋めるのに役立ちます。
いくつかの最先端のモデルの適応バージョンを使用した2つの方法の比較評価は、GANベースのブラシが画像コンテキストを保持しながら、最も鋭くて最も詳細な出力を生成し、評価された最先端のモデルは輝かしい結果を維持する傾向があり、コンテキストの一貫性を維持するのが難しいことを示しています。

要約(オリジナル)

With video games steadily increasing in complexity, automated generation of game content has found widespread interest. However, the task of 3D gaming map art creation remains underexplored to date due to its unique complexity and domain-specific challenges. While recent works have addressed related topics such as retro-style level generation and procedural terrain creation, these works primarily focus on simpler data distributions. To the best of our knowledge, we are the first to demonstrate the application of modern AI techniques for high-resolution texture manipulation in complex, highly detailed AAA 3D game environments. We introduce a novel Smart Brush for map editing, designed to assist artists in seamlessly modifying selected areas of a game map with minimal effort. By leveraging generative adversarial networks and diffusion models we propose two variants of the brush that enable efficient and context-aware generation. Our hybrid workflow aims to enhance both artistic flexibility and production efficiency, enabling the refinement of environments without manually reworking every detail, thus helping to bridge the gap between automation and creative control in game development. A comparative evaluation of our two methods with adapted versions of several state-of-the art models shows that our GAN-based brush produces the sharpest and most detailed outputs while preserving image context while the evaluated state-of-the-art models tend towards blurrier results and exhibit difficulties in maintaining contextual consistency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google