Процес прийняття рішень при дизайні ілюстрацій настільних ігор з використанням додатків генеративного штучного інтелекту
DOI:
https://doi.org/10.20535/2077-7264.1(83).2024.299490Ключові слова:
дизайн ілюстрацій настільних ігор, генеративний штучний інтелект, процес прийняття рішень, підказки, графічний дизайн, генерація зображеньАнотація
Сучасний світ зазнає стрімких змін у різних сферах діяльності, і розробка дизайну настільних ігор не є винятком. Одним з найбільш захоплюючих та перспективних напрямів у цій галузі стало використання нейромереж для генерації зображень, яке отримало вже власну назву — генеративний штучний інтелект (Generative Artificial Intelligence — GAI). Це відкриває нові горизонти для дизайнерів настільних ігор, дозволяючи їм швидко та з мінімальними витратами фінансів створювати привабливі елементи дизайну. GAI виділяється як засіб, здатний створювати зображення на основі текстових запитів.
У роботі розглядається процес прийняття рішень, які приймають дизайнер та фахівець GAI під час розробки ілюстрацій до настільної гри. У цьому процесі дизайнер формує запит та технічне завдання, на основі якого фахівець GAI створює ряд зображень, з яких під керівництвом дизайнера обираються найбільш прийнятні з точки зору контенту, стилістики та інших особливих умов зображення, що залишаються для подальшої доробки. Після доробки за допомогою нейромережі найбільш прийнятних зображень, ілюстрації допрацьовує сам дизайнер, щоб довести ці зображення до виду, необхідного для завдання, але з тими аспектами, які нейромережа з технічних обмежень не в змозі вирішити. Отже, завдяки нейромережі є можливість швидко отримувати унікальні зображення за технічним завданням; скорочується ланцюг фахівців, необхідних для праці над цим завданням, тим самим зменшуються фінансові та часові витрати на виробництво продукції.
Посилання
Chen, R., Zhao, J., Yao, X., Jiang, S., He, Y., Bao, B., Luo, X., Xu, S., & Wang, C. (2023). Generative Design of Outdoor Green Spaces Based on Generative Adversarial Networks. Buildings, 13, 1083. https://doi.org/10.3390/buildings13041083.
Grabe, I., & Zhu, J. Towards Co-Creative Generative Adversarial Networks for Fashion Designers. arXiv:2304.09477v1. https://doi.org/10.48550/arXiv.2304.09477.
Kulkarni, C., Druga, S., Chang, M., Fiannaca, A., Cai, C., & Terry, M. (2023). A word is worth a thousand pictures: Prompts as ai design material.
Kikuchi, K., Inoue, N., Otani, M., Simo-Serra, E., & Yamaguchi, K. (2023). Generative Colorization of Structured Mobile Web Pages. 2023 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 3639–3648. doi 10.1109/WACV56688.2023.00364.
ConvAI. Convai — Conversational AI for Virtual Worlds — convai.com. Retrieved from https://www.convai.com/ [Accessed 17 May 2023].
CSM. CSM AI — 3D World Models — csm.ai. Retrieved from https://csm.ai/ [Accessed 17 May 2023].
PixelVibe. Create Gaming Assets Using AI: PixelVibe by Rosebud AI — pixelvibe.com. Retrieved from https://www.pixelvibe.com/ [Accessed 17 May 2023].
Kong, X., Jiang, L., Chang, H., Zhang, H., Hao, Y., Gong, H., & Essa, I. BLT: Bidirectional Layout Transformer for Controllable Layout Generation. arXiv:2112.05112v2. https://doi.org/10.48550/arXiv.2112.05112.
Goodfellow, I. J., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., & Bengio, Y. (2014). Generative adversarial networks.
Rombach, R., Blattmann, A., Lorenz, D., Esser, P., & Ommer, B. (2022). High-Resolution Image Synthesis with Latent Diffusion Models. Proc. International Conference on Computer Vision and Pattern Recognition (CVPR). New Orleans, LA, 10684–10695. arXiv:2112.10752.
Inuwa, M. (2023). Guide to Image-to-Image Diffusion: A Hugging Face Pipeline. Retrieved from https://www.analyticsvidhya.com/blog/2023/05/how-to-generate-images-using-stable-diffusion/.
Stable Diffusion Prompt Book. Retrieved from https://openart.ai/promptbook. [Accessed 17 May 2023].
Prompt book for data lovers. Retrieved from https://domesticstreamers.com/. [Accessed 17 May 2023].
Liao, Q. V., Gruen, D., & Miller, S. (2020). Questioning the ai: informing design practices for explainable ai user experiences. Proc. of the 2020 CHI Conference on Human Factors in Computing Systems, 1–15.
Morris, M. R., Cai, C. J., Holbrook, J., Kulkarni, C., & Terry, M. (2022). The design space of generative models. Proc. of the NeurIPS 2022 Workshop on Human-Centered AI (NeurIPS2022).
Weisz, J. D., Muller, M., He, J., & Houde, S. (2023). Toward General Design Principles for Generative AI Applications. arXiv:2301.05578.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Нонна Євгенівна Кулішова, Ілля Столяров, Софія Цикало
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Наше видання використовує положення про авторські права Creative Commons CC BY для журналів відкритого доступу.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов’язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
