Please use this identifier to cite or link to this item:
http://hdl.handle.net/10071/22222
Author(s): | Almeida, Rodrigo de Matos Pires Tavares de |
Advisor: | Santana, Pedro Figueiredo |
Date: | 9-Dec-2020 |
Title: | 3D terrain generation using neural networks |
Reference: | Almeida, R. de M. P. T. de - 3D terrain generation using neural networks [Dissertação de mestrado, Iscte - Instituto Universitário de Lisboa]. Repositório do Iscte. http://hdl.handle.net/10071/22222 |
Keywords: | Neural networks Procedural content generation PCG GAN cGAN 3D terrain Perlin noise Redes neuronais Geração procedimental de conteúdos Terrenos 3D |
Abstract: | With the increase in computation power, coupled with the advancements in the field in the form of
GANs and cGANs, Neural Networks have become an attractive proposition for content generation. This
opened opportunities for Procedural Content Generation algorithms (PCG) to tap Neural Networks
generative power to create tools that allow developers to remove part of creative and developmental
burden imposed throughout the gaming industry, be it from investors looking for a return on their
investment and from consumers that want more and better content, fast. This dissertation sets out to
develop a PCG mixed-initiative tool, leveraging cGANs, to create authored 3D terrains, allowing users
to directly influence the resulting generated content without the need for formal training on terrain
generation or complex interactions with the tool to influence the generative output, as opposed to
state of the art generative algorithms that only allow for random content generation or are needlessly
complex. Testing done to 113 people online, as well as in-person testing done to 30 people, revealed
that it is indeed possible to develop a tool that allows users from any level of terrain creation
knowledge, and minimal tool training, to easily create a 3D terrain that is more realistic looking than
those generated by state-of-the-art solutions such as Perlin Noise. Com o aumento do poder de computação, juntamente com os avanços neste campo na forma de GANs e cGANs, as Redes Neurais tornaram-se numa proposta atrativa para a geração de conteúdos. Graças a estes avanços, abriram-se oportunidades para os algoritmos de Geração de Conteúdos Procedimentais(PCG) explorarem o poder generativo das Redes Neurais para a criação de ferramentas que permitam aos programadores remover parte da carga criativa e de desenvolvimento imposta em toda a indústria dos jogos, seja por parte dos investidores que procuram um retorno do seu investimento ou por parte dos consumidores que querem mais e melhor conteúdo, o mais rápido possível. Esta dissertação pretende desenvolver uma ferramenta de iniciativa mista PCG, alavancando cGANs, para criar terrenos 3D cocriados, permitindo aos utilizadores influenciarem diretamente o conteúdo gerado sem necessidade de terem formação formal sobre a criação de terrenos 3D ou interações complexas com a ferramenta para influenciar a produção generativa, opondo-se assim a algoritmos generativos comummente utilizados, que apenas permitem a geração de conteúdo aleatório ou que são desnecessariamente complexos. Um conjunto de testes feitos a 113 pessoas online e a 30 pessoas presencialmente, revelaram que é de facto possível desenvolver uma ferramenta que permita aos utilizadores, de qualquer nível de conhecimento sobre criação de terrenos, e com uma formação mínima na ferramenta, criar um terreno 3D mais realista do que os terrenos gerados a partir da solução de estado da arte, como o Perlin Noise, e de uma forma fácil. |
Degree: | Mestrado em Engenharia Informática |
Peerreviewed: | yes |
Access type: | Open Access |
Appears in Collections: | T&D-DM - Dissertações de mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
master_rodrigo_tavares_almeida.pdf | 5,62 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.