基于GAN网络的游戏地图自动生成方法、装置、介质及设备制造方法及图纸

本发明专利技术公开了一种基于GAN网络的游戏地图自动生成方法、装置、介质及设备，属于游戏地图技术领域。该方法包括如下步骤：根据已知地图区域中出现的物体实例类别和每种类别的实例个数，获取待扩展区域中可能出现的物体实例类别和每种类别的实例个数；获取GAN网络模型，所述GAN网络模型包括地图生成器G和地图判别器D；将待扩展区域的物体实例类别和每种类别的实例个数输入到所述的GAN网络模型中的地图生成器G中，生成待扩展区域的新地图。本发明专利技术利用GAN网络模型能够自动生成逼真但又与已知地图有所差异的游戏地图，降低游戏地图的开发成本。本。本。

【技术实现步骤摘要】
基于GAN网络的游戏地图自动生成方法、装置、介质及设备


[0001]本专利技术属于游戏地图
，尤其涉及一种基于GAN网络的游戏地图自动生成方法、装置、介质及设备。

技术介绍

[0002]近年来，随着游戏技术和游戏种类的不断发展，游戏越来越得到人们的认可和喜爱，尤其是多款游戏作为体育竞技项目已被列入到2022年的杭州亚运会比赛项目中。随机地图类游戏(roguelike)与其他固定游戏地图的游戏相比，由于游戏地图是随机生成的，大大丰富了游戏的内容，增加了游戏玩家的新鲜感。
[0003]现有的随机游戏地图大多是在初始地图的基础上，进行一定程度的参数更改后生成了新的游戏地图。但是现有随机游戏地图生成技术具有两个主要的缺点。
[0004]首先，生成的新地图还是依赖于人们对地图参数的修改，没有实现真正意义上的游戏地图自动生成，这导致生成的游戏地图是有限的，而不是无限的。
[0005]其次，生成的新地图对地图参数修改非常敏感。参数修改过大会导致新地图与原地图差距过大，从而使得新地图不能直接渲染到原地图周围的待扩展区域；参数修改过小会导致新地图与原地图无差别，从而降低了游戏的趣味性。
[0006]因此，如何基于原地图合理地自动扩展游戏地图，是目前亟待解决的技术问题。

技术实现思路

[0007]本专利技术的目的在于解决现有技术中存在的问题，并提供一种基于GAN网络的游戏地图自动生成方法。
[0008]本专利技术具体是通过以下技术方案实现的：
[0009]第一方面，本专利技术提供了一种基于GAN网络的游戏地图自动生成方法，其包括以下步骤：
[0010]S1：根据游戏中已知地图区域出现的物体实例类别和每种类别的实例个数，按照已知地图区域和待扩展区域中物体实例类别相似度最大化的原则，获取待扩展区域对应的数据对集合；其中一个地图区域的所述数据对集合由该地图区域所包含的物体实例类别和每种物体实例类别的实例个数组成；
[0011]S2：针对已知地图区域训练GAN网络模型，所述GAN网络模型包括地图生成器G和地图判别器D，训练过程中所述地图生成器G根据已知地图区域的所述数据对集合生成已知地图区域的伪造地图，再由所述地图判别器D区分已知地图区域的真实地图和伪造地图，从而更新地图生成器G和地图判别器D的参数，不断交替训练使所述地图生成器G能够根据一个地图区域的所述数据对集合生成与真实地图近似的伪造地图；
[0012]S3：将待扩展区域的所述数据对集合输入到经过训练的GAN网络模型中的地图生成器G中，然后将地图生成器G输出的地图作为待扩展区域的新地图进行渲染。
[0013]作为上述第一方面的优选，所述S1中获取待扩展区域对应的数据对集合的具体步
骤包括：
[0014]S11：将已知地图区域中出现的物体实例类别构建为已知地图区域的物体实例类别集合
[0015]S12：在包含地图中所有可选物体实例类别的物体实例类别集合中，选择出一个物体实例类别c
*
，使该类别的特征向量与所有已出现的类别的特征向量的夹角余弦值之和最大：
[0016][0017]其中表示待扩展区域的物体实例类别集合，f
c
和f
u
分别表示物体实例类别c的特征向量和类别u的物体实例特征向量，|f
c
|和|f
u
|分别表示f
c
和f
u
向量长度；
[0018]S13：将S12中选择出的物体实例类别c
*
归入到待扩展区域的物体实例类别集合中，然后对物体实例类别c
*
随机分配物体实例个数k
*
；
[0019]S14：不断迭代重复步骤S12至S13，直至物体实例类别集合中所有物体实例类别的物体实例个数之和超过系统设置的待扩展区域物体实例个数最大值后，停止迭代，将物体实例类别集合中每一个物体实例类别和对应的物体实例个数作为一个数据对加入待扩展区域对应的数据对集合T中，使数据对集合T中具有待扩展区域所包含的所有物体实例类别和每种物体实例类别的实例个数。
[0020]作为上述第一方面的优选，所述的系统设置的待扩展区域物体实例个数最大值为已知地图区域的物体实例总个数。
[0021]作为上述第一方面的优选，所述物体实例类别集合中每一个物体实例类别对应的k
*
应该大于等于1但小于系统设置的待扩展区域物体实例个数最大值的五分之一。
[0022]作为上述第一方面的优选，所述的物体实例类别和每种类别的实例个数的数据对集合T为{(c1,k1),(c2,k2),
…
(c
n
,k
n
)}，其中c
n
，k
n
分别表示第n个类别和该类别的物体实例个数。
[0023]作为上述第一方面的优选，所述S2的具体实现步骤包括：
[0024]S21：获取根据游戏中已知地图区域构建的训练样本，所述训练样本包含m组数据{(X1,T1),(X2,T2),
…
(X
m
,T
m
)}，其中X
i
和T
i
分别表示第i个地图和第i个地图对应的所述数据对集合；
[0025]S22：将所述的训练样本的数据{T1,T2,
…
,T
m
}输入到地图生成器G中，依次生成m个伪造地图并根据所述地图判别器的输出结果更新所述地图生成器G的参数θ
g
：
[0026][0027]式中D(,)表示所述地图判别器的输出结果。
[0028]S23：将所述训练样本数据{X1,X2,
…
,X
m
}和{T1,T2,
…
,T
m
}与当前地图生成器G生成的伪造地图输入到所述地图判别器D中，更新所述地图判别器D的参数θ
d
：
[0029][0030]S24：不断重复步骤S22和S23，对所述地图生成器G和地图判别器D进行交替训练，直至GAN网络模型收敛。
[0031]作为上述第一方面的优选，所述m应该在500以上。
[0032]作为上述第一方面的优选，所述交替训练过程中每训练3～7次地图判别器D后训练1次地图生成器G。
[0033]作为上述第一方面的优选，步骤S22和S23中采用梯度下降算法优化所述地图生成器G的参数θ
g
和地图判别器D的参数θ
d
。
[0034]第二方面，本专利技术提供了一种基于GAN网络的游戏地图自动生成装置，其包括：
[0035]数据对集合获取模块，用于根据游戏中已知地图区域出现的物体实例类别和每种类别的实例个数，按照已知地图区域和待扩展区域中物体实例类别相似度最大化的原则，获取待扩展区域对应的数据对集合；其中一个地图区域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GAN网络的游戏地图自动生成方法，其特征在于，包括：S1：根据游戏中已知地图区域出现的物体实例类别和每种类别的实例个数，按照已知地图区域和待扩展区域中物体实例类别相似度最大化的原则，获取待扩展区域对应的数据对集合；其中一个地图区域的所述数据对集合由该地图区域所包含的物体实例类别和每种物体实例类别的实例个数组成；S2：针对已知地图区域训练GAN网络模型，所述GAN网络模型包括地图生成器G和地图判别器D；训练过程中所述地图生成器G根据已知地图区域的所述数据对集合生成已知地图区域的伪造地图，再由所述地图判别器D区分已知地图区域的真实地图和伪造地图，从而更新地图生成器G和地图判别器D的参数，不断交替训练使所述地图生成器G能够根据一个地图区域的所述数据对集合生成与真实地图近似的伪造地图；S3：将待扩展区域的所述数据对集合输入到经过训练的GAN网络模型中的地图生成器G中，然后将地图生成器G输出的地图作为待扩展区域的新地图进行渲染。2.根据权利要求1所述的基于GAN网络的游戏地图自动生成方法，其特征在于，所述S1中获取待扩展区域对应的数据对集合的具体步骤包括：S11：将已知地图区域中出现的物体实例类别构建为已知地图区域的物体实例类别集合S12：在包含地图中所有可选物体实例类别的物体实例类别集合中，选择出一个物体实例类别c
*
，使该类别的特征向量与所有已出现的类别的特征向量的夹角余弦值之和最大：其中Q表示待扩展区域的物体实例类别集合，f
c
和f
u
分别表示物体实例类别c的特征向量和类别u的物体实例特征向量，|f
c
|和|
u
|分别表示f
c
和f
u
向量长度；S13：将S12中选择出的物体实例类别c
*
归入到待扩展区域的物体实例类别集合Q中，然后对物体实例类别c
*
随机分配物体实例个数k
*
；S14：不断迭代重复步骤S12至S13，直至物体实例类别集合Q中所有物体实例类别的物体实例个数之和超过系统设置的待扩展区域物体实例个数最大值后，停止迭代，将物体实例类别集合Q中每一个物体实例类别和对应的物体实例个数作为一个数据对加入待扩展区域对应的数据对集合T中，使数据对集合T中具有待扩展区域所包含的所有物体实例类别和每种物体实例类别的实例个数。3.根据权利要求2所述的基于GAN网络的游戏地图自动生成方法，其特征在于，所述的系统设置的待扩展区域物体实例个数最大值为已知地图区域的物体实例总个数。4.根据权利要求2所述的基于GAN网络的游戏地图自动生成方法，其特征在于，所述物体实例类别集合Q中每一个物体实例类别对应的k
*
应该大于等于1但小于系统设置的待扩展区域物体实例个数最大值的五分之一。5.根据权利要求1所述的基于GAN网络的游戏地图自动生成方法，其特征在于，所述S2的具体实现...

【专利技术属性】
技术研发人员：童晨璐，何俊，李天齐，唐韦华，
申请(专利权)人：杭州碧游信息技术有限公司，
类型：发明
国别省市：