深度学习在写实游戏开发中的应用.pdf

1、神经网络在游戏开发中的应用GALASparts#page#CALAFIFPrOSportsGalaSports成立于2013年，是一家以技术为驱动的游戏公司多年来GalaSports与国际足联、NBA、皇家马德里俱乐部巴萨罗那俱乐部等商业伙伴合作，一直致力于为用户提供高品质体育娱乐体验。目前公司员工300余人，业务遍及70多个国家和地区。#page#1.基于深度神经网络的足球游戏AI2.人脸模型重建与表情捕捉/迁移3.基于神经网络加速的实时布料模拟#page#1.基于深度神经网络的足球游戏AI#page#体育游戏AI架构根据不同的球队整体状态，例群体决策AI如进攻状态、回防状态执行整体战术球员

2、根据自己的状态（体力、球员决策AI位置）作出决策，例如：拦截、抢点、回防等等根据球员的决策和球员能力状身体物理模型态作出符合物理的动作足球弹道计算物理引擎球员的非刚体和骨路铰链物理#page#根据不同的球队整体状态，例状态机。群体决策AI如进攻状态、回防状态执行整势力图（influenceMap），体战术决策树球员根据自己的状态（体力、状态机，效用函数（UtilityFunction）球员决策AI位置）作出决策，例如：拦截、抢点、回防等等马尔科夫链，动画图（MotionGraph）反向动力学根据球员的决策和球员能力状身体物理模型正向动力学，态作出符合物理的动作约束布娃娃系统（RagDoll）足

3、球弹道计算物理引擎Havoc，Physx球员的非刚体和骨路铰链物理#page#增强学习身体物理模型环境物理引擎决策奖励局势群体决策AI球员（Agent）球员决策AI#page#课程式学习（CurriculumLearning）第一阶段从单个Agent学习射门到2个Agent对抗球门根据收敛情况逐渐缩小球入门回合结束，奖励球员第二阶段2队逐渐增加多个球员奖励函数增加过人/正确传球/进球/将球带到前场等多种评估第三阶段每个球员根据阵型位置设置更细节的奖励函数，例如前锋的主要奖励是射门，后防的主要奖励是断球第四阶段加入身体物理模型、体力、动作能力等约束#page#最终方案（自研算法）势力图（lnfl

4、uence Map）球员位置/速度/朝向决策优先级排序球速/位置决策图（Decision Map）1.球场可以划分为有限的n*m个格子，天然符合卷积神经网络的结构2.决策与局势与球员位置/速度/朝向，球的位置/速度相关，可以编码到2D数据中3.球赛的连续过程可划分为短时间间隔的决策/行动离散回合，可以根据现实比赛片段生成训练数据#page#搜集球场数据球员与球的位置/朝向/速度势力图（influenceMap）将球场数据通过神经网络转换为决策离散的2D数据与决策图（DecisionMapNeuralNetwork对合法的决策进行评分决策池排序根据玩家的设置与A评分选择合决策手写代码适的决策#p

5、age#0:0Real MadridBarcelondA1-Pas5公PassShoot#page#部署到游戏中#page#STARTBASICSIMPLEADVANCEDINTERMEDIATE手持扫描仪艺术家手工建模#page#现有建模方法的问题：高成本，每个头像建模1-3万元RME长时间，与俱乐部安排档期，制作周期不可控，扫描精度，手工制作水平数量大，足球5000球员，篮球600球员，棒球1250球员#page#人脸建模半自动流水线通过神经网络将RGB人脸图片转换为深度图（DenseDepthMap） 和Depth UV correspondence使用非刚体配准的方法将游戏中用到的标准

6、人脸模型变形到前序神经网络生成的模型将RGB图片映射到UV贴图上展开UV3D美术人员手工优化贴图，并完善眼睛、嘴部细节、头、耳、发型uoesueeeuoaBeu Guisn uonnsuoe uag ee palseun-MatanSela Elad Richardson Ron Kimme#page#RakutenakitenRakutenRakutenRakutenRakutenRakuterRakuter#page#程训练数据：从电影行业公司购买的人脸表情模型+纹理数据