Práce se zabývá využitím Generativních znepřátelených sítí (GAN) pro tvorbu videoherních aktiv
jako jsou například jednoduché obrázky. V teoretické části jsou vysvětleny a popsány základní
pojmy související s neuronovými sítěmi jako například ztrátová funkce, hyperparametry a jejich
optimalizace. Následně je popsána architektura GAN sítí a její učení. V praktické části je popsán
proces trénování několika modelů GAN sítí za účelem generování originálních videoherních
obrázků.
Anotace v angličtině
This thesis explores Generative Adversarial Networks (GANs) utilization for generating video game
assets such as pixel art images. The theoretical part of this thesis explains basic concepts related
to neural networks such as loss functions, hyperparameters, and their optimization. Subsequently,
the architecture and learning of GANs are described. The practical part focuses on training several
GAN models for generating video game images.
Klíčová slova
videoherní aktiva, neuronová síť, konvoluční neuronová síť, GAN
Klíčová slova v angličtině
video game assets, neural network, convolutional neural network, GAN
Rozsah průvodní práce
75
Jazyk
CZ
Anotace
Práce se zabývá využitím Generativních znepřátelených sítí (GAN) pro tvorbu videoherních aktiv
jako jsou například jednoduché obrázky. V teoretické části jsou vysvětleny a popsány základní
pojmy související s neuronovými sítěmi jako například ztrátová funkce, hyperparametry a jejich
optimalizace. Následně je popsána architektura GAN sítí a její učení. V praktické části je popsán
proces trénování několika modelů GAN sítí za účelem generování originálních videoherních
obrázků.
Anotace v angličtině
This thesis explores Generative Adversarial Networks (GANs) utilization for generating video game
assets such as pixel art images. The theoretical part of this thesis explains basic concepts related
to neural networks such as loss functions, hyperparameters, and their optimization. Subsequently,
the architecture and learning of GANs are described. The practical part focuses on training several
GAN models for generating video game images.
Klíčová slova
videoherní aktiva, neuronová síť, konvoluční neuronová síť, GAN
Klíčová slova v angličtině
video game assets, neural network, convolutional neural network, GAN
Zásady pro vypracování
Cílem práce je vytvořit model GAN (Generative Adversarial Network) sítě, ve které bude generátor schopen generovat studentem vybraná videoherní aktiva (video-game assets). Příkladem takových aktiv může být pixel-art postava do videohry, prvky uživatelského rozhraní, hudba pro různé situace ve videohře aj. Typ generovaných aktiv se bude odvíjet od toho, jak kvalitní datovou sadu bude schopen student získat. Výsledný generátor bude sloužit pro účely výuky videoherních studií na katedře informatiky.
Osnova:
Rešerše modelu GAN sítí
Rešerše problematiky vlastnictví produktů GAN sítí
Získání a třídění existujících videoherních aktiv
Návrh modelu GAN sítě a implementace aplikace
Trénování generátoru a generování ukázkových aktiv
Hodnocení kvality vygenerovaných aktiv
Zásady pro vypracování
Cílem práce je vytvořit model GAN (Generative Adversarial Network) sítě, ve které bude generátor schopen generovat studentem vybraná videoherní aktiva (video-game assets). Příkladem takových aktiv může být pixel-art postava do videohry, prvky uživatelského rozhraní, hudba pro různé situace ve videohře aj. Typ generovaných aktiv se bude odvíjet od toho, jak kvalitní datovou sadu bude schopen student získat. Výsledný generátor bude sloužit pro účely výuky videoherních studií na katedře informatiky.
Osnova:
Rešerše modelu GAN sítí
Rešerše problematiky vlastnictví produktů GAN sítí
Získání a třídění existujících videoherních aktiv
Návrh modelu GAN sítě a implementace aplikace
Trénování generátoru a generování ukázkových aktiv
Hodnocení kvality vygenerovaných aktiv
Seznam doporučené literatury
ESHRAGHIAN, Jason K. Human Ownership of Artificial Creativity. Nature Machine Intelligence. 2020, 2(3), 157-160. ISSN 2522-5839.
FUCHS, Fionn. Game Asset GAN: Using Unsupervised Machine Learning to Generate Game Assets. Medium [online]. 2020 [cit. 2021-10-20]. Dostupné z: https://medium.com/@fionn.fuchs/game-asset-gan-using-unsupervised-machine-learning-to-generate-game-assets-d1d24af9eb0d
GOODFELLOW, Ian et al. Generative Adversarial Nets. Advances in Neural Information Processing Systems. 2014, 2, 2672-2680.
Seznam doporučené literatury
ESHRAGHIAN, Jason K. Human Ownership of Artificial Creativity. Nature Machine Intelligence. 2020, 2(3), 157-160. ISSN 2522-5839.
FUCHS, Fionn. Game Asset GAN: Using Unsupervised Machine Learning to Generate Game Assets. Medium [online]. 2020 [cit. 2021-10-20]. Dostupné z: https://medium.com/@fionn.fuchs/game-asset-gan-using-unsupervised-machine-learning-to-generate-game-assets-d1d24af9eb0d
GOODFELLOW, Ian et al. Generative Adversarial Nets. Advances in Neural Information Processing Systems. 2014, 2, 2672-2680.