Generació de terreny basat en la superfície terrestre mitjançant machine learning
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/367215
Tipus de documentTreball Final de Grau
Data2022-04-26
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
La generació de terreny per a videojocs es duu a terme des de fa anys, i encara avui en molts casos, mitjançant algorismes procedimentals per a l'obtenció de mapes d'alçada basats en soroll. Aquest terreny es pot generar amb un cost computacional baix i és possible expandir-lo fàcilment en totes direccions si és necessari, però el seu grau de realisme no és comparable al que es pot veure al relleu de la superfície terrestre. Per altra banda, en l'àmbit de l'aprenentatge automàtic i, més concretament, les xarxes neuronals, s'està investigant molt l'ús de GANs (xarxes generatives antagòniques) per a tota mena d'aplicacions, com la síntesi d'imatges, la restauració d'imatges malmeses o la traducció entre imatges amb característiques diferents. Aquest treball intenta construir un pont entre les tècniques basades en GANs i la generació de terreny, amb la finalitat d'obtenir mapes d'alçada i textures amb característiques semblants a les que es troben a la superfície terrestre. Terrain generation in video games has been carried out for years, and still today in many cases, through procedural algorithms for obtaining height maps based on noise. This terrain can be generated with low computational cost and can be easily expanded in all directions if necessary, but its degree of realism is not comparable to what can be seen in the topography of the Earth's surface. On the other hand, in the field of machine learning, and more specifically, neural networks, a lot of research is being conducted on the use of GANs (generative adversarial networks) for all kinds of applications, such as image synthesis, image inpainting or translation between images with different characteristics. This work attempts to build a bridge between GAN-based techniques and terrain generation, in order to obtain height maps and textures with characteristics similar to those found on the Earth's surface.
MatèriesMachine learning, Deep learning (Machine learning), Computer vision, Video games, Aprenentatge automàtic, Aprenentatge profund, Visió per ordinador, Videojocs
TitulacióGRAU EN ENGINYERIA INFORMÀTICA (Pla 2010)
Col·leccions
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
164261.pdf | 7,498Mb | Visualitza/Obre |