ВВЕДЕНИЕ 3
1. Обзор методов создания игровых сцен 4
2. Анализ существующих решений 6
3. Теоретическая информация 7
3.1. Искусственные нейронные сети 7
3.2. Генеративно-состязательная сеть 10
3.3. Генерация изображений на основе текста 12
4. Данные для обучения 13
5. Подготовка данных для обучения 15
6. Практическая часть 17
6.1. Выбор метрики качества генерируемых изображений 17
6.2. Тестирование функциональности генеративно-состязательной сети 18
6.3. Эксперименты 20
6.4. Разработка плагина для игрового движка 35
ЗАКЛЮЧЕНИЕ 38
СПИСОК ЛИТЕРАТУРЫ 43
ПРИЛОЖЕНИЯ 45
Приложение 1. Программный код 45
Приложение 2. Сгенерированные изображения 66
Приложение 3. Графики 1 эксперимента 71
В современном мире игровая индустрия остается одной из самых развивающих отраслей. Каждый год выходит большое количество разнообразных игр. Среди них двумерные игры сохраняют свою популярность, востребованность. Игроков привлекает уникальный стиль игрового окружения, простота восприятия. Создание качественных игровых двумерных игровых сцен требует от разработчика или художника значительных творческих и технических усилий. Качественно проработанный игровой мир позволяет ощутить уникальный, незабываемый игровой опыт. Поэтому всё чаще стараются создавать новые методы и подходы для генераций игрового наполнения. В этом заключается актуальность данной работы. Цель данной выпускной квалификационной работы - исследовать приложение генеративно-состязательных сетей (General Adversarial Network, далее - GAN) [1] для построения двумерных игровых сцен. Работа включает в себя анализ существующих моделей генеративно-состязательных сетей, их архитектуры и обучение на данных, специфичных при создании игр, создание плагина для некоторого игрового движка.
Были поставлены следующие задачи для достижения цели выпускной квалификационной работы:
1) изучение современных научных публикаций, принципов работы нейронных сетей, в частности, генеративно-состязательных сетяй;
2) изучение методов построения игровых сцен;
3) выбор архитектуры нейронной сети для генерации игровых сцен;
4) программная реализация генеративно-состязательной сети для построения игровых сцен;
5) тестирование;
6) внедрение в игровой движок в качестве плагина.
' .
Построение сцен в видеоиграх с помощью генеративно-состязательных сетей #9106853
Артикул: 9106853
- Предмет: Программирование
- Уникальность: 76% (Антиплагиат.ВУЗ)
- Разместил(-а): 185 Рамиль в 2024 году
- Количество страниц: 76
- Формат файла: docx
2 600p.
1) GAN paper — 2024. — URL: https://arxiv.org/abs/1406.2661 (дата обращения 19.03.2024).
2) GameMaker — 2024. — URL: https://gamemaker.io/ru (дата
обращения 19.03.2024).
3) Godot documentation — 2024. — URL: https://godotengine.org/ (дата обращения 20.03.2024).
4) Шум Перлинга — 2024. — URL:
https://studylib.ru/doc/113553/shum-perlina (дата обращения 22.03.2024).
5) Wave Function Collapse — 2024. — URL:
https://github.com/mxgmn/WaveFunctionCollapse (дата обращения 23.03.2024).
6) SDXL Game Scene — 2024. — URL:
https://civitai.com/images/4204470 (дата обращения 27.03.2024).
7) Midjourney — 2024. — URL: https://www.midjourney.com/ (дата обращения 10.04.2024).
8) Understand artificial neural networks with biological analogy — 2024. — URL: https://flsherlok.medium.com/understand-artificial-neural-networks-with- biological-analogy-18a4d76081eb (дата обращения 11.04.2024).
9) CLIP — 2024. — URL: https://openai.com/index/clip/ (дата
обращения 19.04.2024).
10) AbstractScenes — 2024. — URL: http://optimus.cc.gatech.edu/clipart/ (дата обращения 21.04.2024).
11) 2d_game_scenes — 2024. — URL:
https://huggingface.co/datasets/HuskyAI/2d_game_scence (дата обращения 21.04.2024).
12) KTH-TIPS scenes — 2024. — URL: https://meta-
album.github.io/datasets/TEX.html (дата обращения 25.04.2024).
13) Numpy — 2024. — URL: https://numpy.org/doc/stable/index.html (дата обращения 26.04.2024).
14) OpenCV — 2024. — URL: https://docs.opencv.Org/4.x/index.html (дата обращения 27.04.2024).
15) Stability-sdk — 2024. — URL: https://github.com/Stability-
AI/stability-sdk (дата обращения 30.04.2024).
16) Inception v3 documentation — 2024. — URL:
https://paperswithcode.com/lib/torchvision/inception-v3 (дата обращения
11.05.2024).
17) ImageNet — 2024. — URL: https://image-net.org/ (дата обращения 14.05.2024).
18) Torchmetrics documentation — 2024. — URL:
https://lightning.ai/docs/torchmetrics/ (дата обращения 17.05.2024).
19) PyTorch — 2024. — URL: https://pytorch.org/ (дата обращения 18.05.2024).
20) Python 3.10 documentation — 2024. — URL: https://www.python.org/ (дата обращения 19.05.2024).
21) DCGAN paper — 2024. — URL: https://arxiv.org/abs/1511.06434 (дата обращения 19.05.2024).
22) SAGAN paper — 2024. — URL: https://arxiv.org/abs/1805.08318 (дата обращения 20.05.2024).
23) BigGAN paper — 2024. — URL: https://arxiv.org/abs/1809.11096v2 (дата обращения 22.05.2024).
24) Torchinfo documentation — 2024. — URL:
https://github.com/TylerYep/torchinfo (дата обращения 23.05.2024).
25) C# documentation — 2024. — URL: https://learn.microsoft.com/ru- ru/dotnet/csharp/ (дата обращения 25.05.2024).
2) GameMaker — 2024. — URL: https://gamemaker.io/ru (дата
обращения 19.03.2024).
3) Godot documentation — 2024. — URL: https://godotengine.org/ (дата обращения 20.03.2024).
4) Шум Перлинга — 2024. — URL:
https://studylib.ru/doc/113553/shum-perlina (дата обращения 22.03.2024).
5) Wave Function Collapse — 2024. — URL:
https://github.com/mxgmn/WaveFunctionCollapse (дата обращения 23.03.2024).
6) SDXL Game Scene — 2024. — URL:
https://civitai.com/images/4204470 (дата обращения 27.03.2024).
7) Midjourney — 2024. — URL: https://www.midjourney.com/ (дата обращения 10.04.2024).
8) Understand artificial neural networks with biological analogy — 2024. — URL: https://flsherlok.medium.com/understand-artificial-neural-networks-with- biological-analogy-18a4d76081eb (дата обращения 11.04.2024).
9) CLIP — 2024. — URL: https://openai.com/index/clip/ (дата
обращения 19.04.2024).
10) AbstractScenes — 2024. — URL: http://optimus.cc.gatech.edu/clipart/ (дата обращения 21.04.2024).
11) 2d_game_scenes — 2024. — URL:
https://huggingface.co/datasets/HuskyAI/2d_game_scence (дата обращения 21.04.2024).
12) KTH-TIPS scenes — 2024. — URL: https://meta-
album.github.io/datasets/TEX.html (дата обращения 25.04.2024).
13) Numpy — 2024. — URL: https://numpy.org/doc/stable/index.html (дата обращения 26.04.2024).
14) OpenCV — 2024. — URL: https://docs.opencv.Org/4.x/index.html (дата обращения 27.04.2024).
15) Stability-sdk — 2024. — URL: https://github.com/Stability-
AI/stability-sdk (дата обращения 30.04.2024).
16) Inception v3 documentation — 2024. — URL:
https://paperswithcode.com/lib/torchvision/inception-v3 (дата обращения
11.05.2024).
17) ImageNet — 2024. — URL: https://image-net.org/ (дата обращения 14.05.2024).
18) Torchmetrics documentation — 2024. — URL:
https://lightning.ai/docs/torchmetrics/ (дата обращения 17.05.2024).
19) PyTorch — 2024. — URL: https://pytorch.org/ (дата обращения 18.05.2024).
20) Python 3.10 documentation — 2024. — URL: https://www.python.org/ (дата обращения 19.05.2024).
21) DCGAN paper — 2024. — URL: https://arxiv.org/abs/1511.06434 (дата обращения 19.05.2024).
22) SAGAN paper — 2024. — URL: https://arxiv.org/abs/1805.08318 (дата обращения 20.05.2024).
23) BigGAN paper — 2024. — URL: https://arxiv.org/abs/1809.11096v2 (дата обращения 22.05.2024).
24) Torchinfo documentation — 2024. — URL:
https://github.com/TylerYep/torchinfo (дата обращения 23.05.2024).
25) C# documentation — 2024. — URL: https://learn.microsoft.com/ru- ru/dotnet/csharp/ (дата обращения 25.05.2024).
Материалы, размещаемые в каталоге, с согласия автора, могут использоваться только в качестве дополнительного инструмента для решения имеющихся у вас задач,
сбора информации и источников, содержащих стороннее мнение по вопросу, его оценку, но не являются готовым решением.
Пользователь вправе по собственному усмотрению перерабатывать материалы, создавать производные произведения,
соглашаться или не соглашаться с выводами, предложенными автором, с его позицией.
Тема: | Построение сцен в видеоиграх с помощью генеративно-состязательных сетей |
Артикул: | 9106853 |
Дата написания: | 24.06.2024 |
Тип работы: | Дипломная работа |
Предмет: | Программирование |
Оригинальность: | Антиплагиат.ВУЗ — 76% |
Количество страниц: | 76 |
Скрин проверки АП.ВУЗ приложен на последней странице.
В работе представлены только пояснительная записка и листинг программы.
В работе представлены только пояснительная записка и листинг программы.
Файлы артикула: Построение сцен в видеоиграх с помощью генеративно-состязательных сетей по предмету программирование
Пролистайте "Построение сцен в видеоиграх с помощью генеративно-состязательных сетей" и убедитесь в качестве
После покупки артикул автоматически будет удален с сайта до 21.02.2025
Посмотреть остальные страницы ▼
Честный антиплагиат!
Уникальность работы — 76% (оригинальный текст + цитирования, без учета списка литературы и приложений), приведена по системе Антиплагиат.ВУЗ на момент её написания и могла со временем снизиться. Мы понимаем, что это важно для вас, поэтому сразу после оплаты вы сможете бесплатно поднять её. При этом текст и форматирование в работе останутся прежними.
Гарантируем возврат денег!
Качество каждой готовой работы, представленной в каталоге, проверено и соответствует описанию. В случае обоснованных претензий мы гарантируем возврат денег в течение 24 часов.
Утром сдавать, а работа еще не написана?
Через 30 секунд после оплаты вы скачаете эту работу!
Сегодня уже купили 37 работ. Успей и ты забрать свою пока это не сделал кто-то другой!
ПРЕДЫДУЩАЯ РАБОТА
Программное обеспечение для кластерного анализа размера заработной платы в разрезе регионов, должностей и отраслей
СЛЕДУЮЩАЯ РАБОТА
Исследование модели «proof of reputation» и ее применение