Please use this identifier to cite or link to this item: http://monografias.ufrn.br/handle/123456789/10007
Title: Procedural terrain generation through image completion using GANs
Other Titles: Geração procedural de terrenos por compleção de imagem utilizando Redes Adversárias Generativas
Authors: Souza, Lucas Torres de
Keywords: Geração Procedural de Terrenos;Procedural Terrain Generation;Compleção de Imagens;Image Completion;Redes Adversárias Generativas;Generative Adversarial Networks
Issue Date: 29-Nov-2019
Publisher: Universidade Federal do Rio Grande do Norte
Citation: SOUZA, Lucas Torres de. Procedural terrain generation through image completion using GANs. 2019. 57 f. Trabalho de Conclusão de Curso (Bacharelado) - Curso de Ciência da Computação, Departamento de Informática e Matemática Aplicada, Universidade Federal do Rio Grande do Norte, Natal, 2019.
Portuguese Abstract: Geração procedural de terrenos é a criação de paisagens virtuais através de métodos algorítmicos. Existem vários métodos bem testados para a geração de terrenos, mas a sua maioria exige a configuração manual de parâmetros. Neste trabalho, nós propomos um sistema que gera mapas de altura e texturas de cor para terrenos, baseado em exemplos do mundo real. Este sistema gerador é construído utilizando Redes Adversárias Generativas, uma arquitetura de aprendizado profundo que, nos últimos anos, mostrou ótimos resultados em tarefas de geração de imagens. Nós modelamos o problema de geração de terreno como uma tarefa de compleção de textura. Isso resulta num sistema que não só é capaz de gerar novos terrenos, mas também expandir e conectar terrenos já existentes.Enquanto o sistema descrito possui limitações, ele provê um framework útil para sistemas mais completos, conforme dados geoespaciais se tornam mais disponíveis.
Abstract: Procedural terrain generation is the creation of virtual landscapes through algorithmic means. There are various well tested methods for terrain generation, but most require manual parameter tuning to obtain the expected results. In this work, we propose ansystem that generates terrain height maps and color textures based on real world examples. This generator system is constructed using Generative Adversarial Networks, a deep learning architecture that, over the last years, has shown great results in image synthesis tasks. We model the terrain generation problem as a texture completion task. That results in a system that can not only generate new terrain, but expand and connect existing ones. While the described system has limitations, it provides an useful framework for more complete systems as geospatial data becomes more readily available.
URI: http://monografias.ufrn.br/handle/123456789/10007
Other Identifiers: 20170008279
Appears in Collections:Ciência da Computação

Files in This Item:
File Description SizeFormat 
tcc(2).pdfTCC9.43 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons