如何通过机器学习生成游戏地形

Hello，大家好，今天给大家带来机器学习生成地形的分享，我是神棍赵。近期机器学习或者说AI方面的内容又火起来了，找到一篇比较好实现的文章“如何通过机器学习生成游戏地形 ”分享给大家。

一、介绍

我叫FranciscoMúrias，最近，我一直在探索Houdini以及机器学习在内容生成中的潜力。我在波尔图大学（葡萄牙）攻读计算机科学学士学位，在那里我学习了编程。然后，在Teesside大学（英格兰）攻读3D游戏艺术硕士学位，在那里学习了Houdini，Unreal Engine等工具，并有机会在毕业论文期间探索机器学习在游戏中的一些应用。

二、机器学习与地形生成

机器学习就是使用样本数据来“训练”一个拟合的计算机算法，从而获得“映射功能”，该算法可以将一组输入大致的解析为有用的输出。机器学习在游戏和CG中广泛应用，艺术家和程序员不断为它寻找新的用途。节省艺术家的时间，专注于更有创造性的事情。

现实地形生成是一个非常复杂的问题,在过去的三十年中，研究人员研究了各种生成地形的方法，这些方法各有优缺点。我这个项目是探索如何仅基于简单的草图就可以实时生成详细的，带有实际腐蚀效果的地形。

地形在游戏中一般都是通过高度图来表示，非常适合机器学习。而且我们还拥有现实世界的地形数据，USGS拥有几乎整个美国陆地的准确地形高度图。所以这两个因素使它成为机器学习应用程序实验的理想用例。

使用工具生成的一些示例：

三、GAN

GAN就是条件生成对抗网络模型，根据自动处理的真实世界地形数据（通过Houdini收集）进行训练，运行神经网络模型并在实时3D预览中展示结果。通过从训练数据中学到的特征来生成任意数量的真实虚拟地形，而无需手动定义任何过程规则或参数属性。

cGAN系统由两个相互竞争的网络组成：一个不断合成新地形的生成器，以及一个将生成的地形与真实示例进行比较的鉴别器。这两个网络相互竞争，学习如何制作更适合训练示例的地形。

为了收集用于训练模型的训练数据，我使用了Houdini 的PDG使该任务自动化。

1.读取设定的坐标

2.从USGS服务器下载文件

3.解压缩文件

4.将高度信息分成小块

5.处理每个图块以计算峰谷线

6.将结果映射到匹配的图像并保存

整个数据收集管道均基于SideFX的ML数据准备示例，该示例采用了一种出色的方法，并且可以教您如何使用PDG系统。

四、交互工具

我构建了一个自定义工具，使用户能够绘制峰谷线，机器学习算法会自动实时生成最终地形。

使用ModernGL开发的自定义3D预览器可以快速迭代和可视化结果。这是我的第一个主要Python应用程序，我发现Python是启动和构建这种自定义应用程序的绝佳语言。它拥有一个优秀的社区和一个活跃的Discord服务器，那里挤满了愿意帮助您入门的人。

最后使用Gaea生成细节，最后就可以将生成的地形导入任何游戏引擎，并用作3D地形的基础。

五、挑战

我相信该工具证明了ML应用在游戏中的巨大潜力。该项目未来开发的目标是概括同一网络中不同要素的地形生成，并在创作阶段用不同类型的草图区分它们。同时我会继续研究ML，并扩展ML在游戏中的使用。

六、总结

这位老哥用机器学习快速生成一个低精度的高度图，然后通过gaea的侵蚀获取各种分布图，值得学习借鉴，感兴趣的可以按照这个思路整一个。

来源：Thepoly公众号

嘉宾：FranciscoMúrias

访谈：Ellie Harisova