時系列深層学習に基づく難易度間関係モデルを用いたダンスゲーム譜面難易度の自動調整

• Item type: Journal(1)
• 公開日: 2018-11-15
• タイトル: 時系列深層学習に基づく難易度間関係モデルを用いたダンスゲーム譜面難易度の自動調整
• タイトル / 言語: en
• タイトル: Adapting Difficulty of Dance Chart on Video Game Using Relation Model Among Difficulty Levels Based on Time-series Deep Learning
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集：エンタテインメントコンピューティング（特選論文）] 音楽情報処理，譜面難易度調整，procedual content generation
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 立命館大学大学院情報理工学研究科
• 著者所属: 立命館大学情報理工学部
• 著者所属: 立命館大学情報理工学部
• 著者所属: 立命館大学情報理工学部
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science and Engineering, Ritsumeikan University
• 著者所属(英): en
• 著者所属(英): College of Information Science and Engineering, Ritsumeikan University
• 著者所属(英): en
• 著者所属(英): College of Information Science and Engineering, Ritsumeikan University
• 著者所属(英): en
• 著者所属(英): College of Information Science and Engineering, Ritsumeikan University
• 著者名: 辻野, 雄大; 山西, 良典; 西原, 陽子; 福本, 淳一
• 著者名(英): Yudai, Tsujino; Ryosuke, Yamanishi; Yoko, Nishihara; Junichi, Fukumoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: ダンスゲームは，幅広いユーザから親しまれている代表的な音楽ゲームの1つである．幅広いユーザがダンスゲームを楽しめる環境を用意するためには，初級者でも容易に遊ぶことができる低難易度の譜面を充実させることが必要である．しかし，低難易度の譜面を作成するためには，楽曲の特徴をとらえつつ容易なリズムに調整するという，高難易度譜面の作成にはない課題が存在する．本稿では，ダンスゲームには同じ曲に対して難易度が異なる複数の譜面が存在することに着目し，難易度が高い譜面から得られる音楽的特徴を入力，難易度が低い譜面を出力とする時系列深層学習モデルを構築した．学習させた提案モデルに高難易度のダンス譜面を入力し，低難易度の譜面において指示符を配置すべき発音タイミングを推定させることで，難易度の自動調整を実現した．性能評価の結果，時刻決定タスクにおいて提案手法は0.693のF値が確認され，既存手法のF値をおおよそ1.8倍上回った．向き選択タスクについて指示符の2-gram出現頻度を集計したところ，提案手法の生成譜面とデータセット内の低難易度譜面との相関係数が0.972となり，人手で作成された低難易度のダンス譜面の特性をとらえた譜面を自動生成可能であることが確認された．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Dance video game is one of the typical popular games that has a wide range of fans. In order to make music video game enjoyable to many people, it is necessary to provide many lower-difficulty charts for the beginners. To make lower-difficulty charts, the easy rhythm without losing the point of the song should be covered. In dance video game, each song has multiple charts for varied difficulty levels. In this paper, we propose time-series deep learning model that learns the relation between the lower and higher difficulty charts for the same song. By inputting the higher-difficulty chart into the trained model, it estimates rhythms for lower-difficulty charts; our proposed method adapts the difficulty of the chart. Through the experiments for step placement task, the proposed method achieves an F-score of 0.693 which is about 1.8 times higher than the existing method. For step selection task, the value for the correlation coefficient between generated charts and handmade lowest-difficulty charts is 0.972 in 2-gram frequency; it was confirmed that the proposed method generated the lower-difficulty charts reflecting the characteristic of handmade lower-difficulty charts.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 59, 号 11, p. 1953-1964, 発行日 2018-11-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764