Konenäön hyödyntäminen pelien kenttärakennuksessa
Tuominen, Joonas (2020)
Tuominen, Joonas
2020
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2020121027298
https://urn.fi/URN:NBN:fi:amk-2020121027298
Tiivistelmä
Työn tavoitteena oli kuvata konenäön teoriaa ja miten sitä voidaan hyödyntää pelinkehityksessä. Ajatus näiden konseptien yhdistämiseen tuli tämän alueen vähäisen tutkimuksen vuoksi. Automaatio lisääntyy ja pelimoottorit tarjoavat automatisoituja ratkaisuja pelinkehitykseen. Koneoppimista kuitenkaan ei ole vielä yleisesti käytetty pelinkehityksessä, vaikka siihen on potentiaalia.
Koneopissa on neljä pääasiallista oppimisen konseptia: valvottu, valvomaton, vahvistava ja keskiohjattu. Työssä keskitytään valvottuun oppimiseen, joka sisältää konenäön malleja. Konenäön tarkoituksena on jäljitellä ihmisen näkökykyä ja ymmärrystä näkyvistä esineistä ja teksteistä. Alussa kone voi vain nähdä kuvan ykkösinä ja nollina, jotka on painettu kokoon kuvaksi. Työssä käytiin läpi kuvien leimaaminen, kategorisointi ja datasetin muodostaminen tekoälylle.
Työssä käytettiin paikan ja muodon saamiseksi koneopin mallia, joka tulkattiin pelimoottorille kolmiulotteiseksi muodoksi. Tarkoituksena oli luoda ”whitebox”-kenttä kaksiulotteisesta kuvasta, jossa on tiet ja rakennusten julkisivut. Tekoäly tuotti kaksiulotteisesta kuvasta maskillisen kuvan, jossa värilliset alueet vas-taavat esineitä ja asioita. Maskillinen kuva tulostettiin pilkulla erotettuun listaan, joka annettiin tulkille. Tulkki käänsi pikselidatan kategorisoiduksi paikkadataksi, jossa yksi pikseli vastaa yhtä kuvion pistettä, joiden avulla muodostetaan kolmioita. Perspektiivin ongelmaa lähestyttiin kategorisoimalla dataa, jotta voidaan erotella, mitkä esineet rakennetaan ylöspäin. Esineet, jotka rakennetaan ylöspäin, rakennetaan tien rajapis-teiden avulla. Näin kuviot ovat yhdessä ja saadaan kuvioihin syvyyttä. Kuviot ovat suhteellisen halpaa piirtää, koska niitä on vähän.
Konenäköä hyödynnetään pelinkehityksessä vähän, mutta tämä työ osoitti mahdolliset käyttömahdollisuudet. Työ on vasta prototyyppi, mutta näyttää potentiaalia. Peliyritykset tulevat varmasti panostamaan enemmän automatisaatioon tietyissä asioissa ja kehitystiimeihin halutaan koneopin asiantuntijoita.
Koneopissa on neljä pääasiallista oppimisen konseptia: valvottu, valvomaton, vahvistava ja keskiohjattu. Työssä keskitytään valvottuun oppimiseen, joka sisältää konenäön malleja. Konenäön tarkoituksena on jäljitellä ihmisen näkökykyä ja ymmärrystä näkyvistä esineistä ja teksteistä. Alussa kone voi vain nähdä kuvan ykkösinä ja nollina, jotka on painettu kokoon kuvaksi. Työssä käytiin läpi kuvien leimaaminen, kategorisointi ja datasetin muodostaminen tekoälylle.
Työssä käytettiin paikan ja muodon saamiseksi koneopin mallia, joka tulkattiin pelimoottorille kolmiulotteiseksi muodoksi. Tarkoituksena oli luoda ”whitebox”-kenttä kaksiulotteisesta kuvasta, jossa on tiet ja rakennusten julkisivut. Tekoäly tuotti kaksiulotteisesta kuvasta maskillisen kuvan, jossa värilliset alueet vas-taavat esineitä ja asioita. Maskillinen kuva tulostettiin pilkulla erotettuun listaan, joka annettiin tulkille. Tulkki käänsi pikselidatan kategorisoiduksi paikkadataksi, jossa yksi pikseli vastaa yhtä kuvion pistettä, joiden avulla muodostetaan kolmioita. Perspektiivin ongelmaa lähestyttiin kategorisoimalla dataa, jotta voidaan erotella, mitkä esineet rakennetaan ylöspäin. Esineet, jotka rakennetaan ylöspäin, rakennetaan tien rajapis-teiden avulla. Näin kuviot ovat yhdessä ja saadaan kuvioihin syvyyttä. Kuviot ovat suhteellisen halpaa piirtää, koska niitä on vähän.
Konenäköä hyödynnetään pelinkehityksessä vähän, mutta tämä työ osoitti mahdolliset käyttömahdollisuudet. Työ on vasta prototyyppi, mutta näyttää potentiaalia. Peliyritykset tulevat varmasti panostamaan enemmän automatisaatioon tietyissä asioissa ja kehitystiimeihin halutaan koneopin asiantuntijoita.