Использование нейросетей при разработке видеоигр



В статье автор исследует способы сокращения потребления ресурсов при разработке игр посредством нейросетей-художников.

Ключевые слова: нейросети, разработка игр, дизайн.

Искусственный интеллект (ИИ) в последние годы является актуальной темой, поскольку развитие технологий позволяет находить ему инновационные применения в различных областях, например кинематографе или музыке. Невозможно обойти стороной такое направление технического искусства как видеоигры. Современные игроки пресыщены хорошими проектами и не готовы покупать игры, предпочитая просматривать рекламу [1]. Студии независимых разработчиков вынуждены решать, как распределять свои небольшие бюджеты. В данной статье рассматриваются способы использования нейросетей-художников, позволяющие сократить трату ресурсов на разработку игровых проектов.

Нейросети-художники представляют собой захватывающую область исследований в сфере компьютерного искусства. Они обладают уникальной способностью генерировать изображения, текстуры и даже целые композиции, которые могут впечатлить своей креативностью и эстетической ценностью. Одной из особенностей рисующих нейросетей является их способность создавать оригинальные и непредсказуемые произведения искусства, которые ранее были вне возможностей программ и алгоритмов, разработанных людьми. Эти нейросети основаны на глубоком обучении и используют различные архитектуры, такие как генеративно-состязательные сети (GAN) и вариационные автоэнкодеры (VAE) [2]. С помощью тренировки на большом объеме данных, эти нейросети обучаются разнообразным стилям, формам и текстурам, что открывает новые горизонты для развития искусства и дизайна. Рисующие нейросети имеют потенциал стать мощным инструментом для художников, дизайнеров и других творческих профессионалов, предоставляя им новые возможности для экспериментов и воплощения своих творческих идей в уникальных и впечатляющих произведениях искусства.

Основными представителями и наибольшими конкурентами друг другу являются нейросети DALL-E, Midjourney и Stable Diffusion [3]. Эти нейросети стремительно развиваются, имеют огромное количество пользователей, однако и DALL-E, и Midjourney имеют ограниченный запас бесплатных попыток генерации контента. А Stable Diffusion нуждается в обученной модели, а существующие web-версии выдают крайне слабый результат. Пример адекватной работы нейросетей показан на рис. 1.

Рис. 1. Сравнение результатов генерации нейросетей [3]

Подобные нейросети могут помочь как на начальном этапе — создании концептов, так и во время наполнения игры разными объектами, персонажами, моделями. И, конечно, во время выпуска игры в свет — создавая иконки и рекламные баннеры публикуемого проекта.

Работа с концептами

Одной из уникальных особенностей нейросетей является их способность выходить за рамки стандартного жизненного опыта и ограничений, присущих человеческому разуму. В своей ограниченной осведомленности, нейросети могут легко добавлять детали, которых не должно быть, например, лишние пальцы, путать материалы или накладывать объекты неверно.

Например, на рисунке 2 показан результат работы нейросети Dream by Wombo по запросу «knight». Можно заметить, как шлем переходит в платок. И хотя анатомия нарушена, идею можно пустить в реализацию, добавив в игровой мир историю необычного для нашего мира шлемоплатка.

Рис. 2. Изображение, сгенерированное нейросетью Dream by Wombo

Искусственный интеллект позволяет не только генерировать художественные ассеты, но и помогать в проектировании концепций интерфейсов. Это касается и расположения объектов, и цветовой гаммы, и фигур. На рисунке 3 показан пример генерации нейросетью BlueWillow интерфейса для мобильной игры по запросу «mobile game, ux,ui,uxui».

Рис. 3. Интерфейсы, сгенерированные нейросетью BlueWillow

Наполнение контентом

Модели ИИ могут помочь художникам сэкономить время, автоматизируя некоторые задачи. Stable Diffusion способна генерировать высококачественные изображения, которые могут быть использованы в качестве игровых ассетов, таких как текстуры, фоны и прочие 2D-объекты, например, персонажей. Это может сэкономить разработчикам инди-игр время и ресурсы, которые в противном случае были бы потрачены на создание этих ассетов вручную.

Студия разработки игр Green Pixel оказалась одной из первых, кто начал использовать искусственный интеллект для рисования ресурсов для своих игр. В результате использования Stable Diffusion они пришли к выводу, что использование ИИ сокращает рабочее время художника на 30–70 % [4]. Процесс их работы показан на рис. 4 и 5.

Рис. 4. Процесс рисования персонажей в Green Pixel [4]

Рис. 5. Процесс рисования фонов в Green Pixel [4]

Упростить жизнь инди-разработчикам призваны и плагины для Blender — наиболее популярного 3D-редактора в сфере геймразработки. Плагины Dream Textures, BariumAI и Stability AI позволяют создавать текстуры к моделям сразу в 3D-редакторе. Все плагины базируются на Stable Diffusion и могут генерировать изображения на основе запросов. Stability AI, в отличие от своих конкурентов, еще способна генерировать изображения на основе заданной 3D-моделями сцены и превращать их в анимацию [5]. Пример работы плагина показан на рисунке 6.

Рис. 6. Процесс работы плагина Stability AI [6]

Публикация

При публикации необходимо собрать наиболее привлекательные материалы по игре, чтобы за пару секунд потенциальный пользователь мог заинтересоваться. Для этого необходимо создать привлекательные иконки. Так Евгений Гришков, основатель студии Garden of Dreams, провел эксперимент по A/B-тестированию [7]. В рамках эксперимента в его студии создали 3 разных иконки. 2 из них были созданы руками человека, а один — с помощью ИИ. Иконки от художников показали хорошие результаты, но иконка от ИИ увеличила количество установок игры в 3 раза! На рисунках 7 и 8 показан результат сравнения 3 иконок: рисунок 7 — обе иконки нарисованы человеком, рисунок 8 — вторую иконку нарисовала нейросеть.

Рис. 7. Результаты A/B-теста с иконками, нарисованными людьми [7]

Рис. 8. Результаты A/B-теста с иконкой, нарисованной нейросетью [7]

Таким образом, нейросеть не только может ускорить процесс создания, но и улучшить показатели! Однако важно помнить, что модели искусственного интеллекта следует использовать в сочетании с собственным видением — сами по себе нейросети не могут создать качественный и продающий продукт.

Тем не менее, современные достижения в области нейросетей и их применение в компьютерной графике предоставляют уникальные возможности для инноваций и креативности. С ростом и развитием этой области можно ожидать еще большего влияния нейросетей на создание уникальных игровых контентов и вдохновение творческих профессионалов!

Литература:

1. Кислицын, Е. В. Маркетинговые рекомендации для независимых разработчиков игр на рынке игровой индустрии в современных условиях / Е. В. Кислицын, Д. А. Куликов // e-FORUM. — 2020. — № 3(12). — С. 11.

2. 10 лучших моделей глубокого обучения//ХэшДорк.—URL: https://hashdork.com/ru/модели-глубокого-обучения/ (дата обращения 8.06.2023).

3. Баттл «художников»: сравниваем Midjourney, DALL-E 2 и Stable Diffusion//Хабр.—URL: https://habr.com/ru/companies/selectel/articles/691226/ (дата обращения 24.02.2023).

4. Реальный кейс внедрения AI Generated Art в игровой компании//DTF.—URL: https://dtf.ru/gamedev/1592200-realnyy-keys-vnedreniya-ai-generated-art-v-igrovoy-kompanii (дата обращения 24.02.2023).

5. Для Blender вышел официальный плагин генератора ИИ-артов Stable Diffusion — он бесплатный и не нагружает видеокарту//DTF.—URL: https://dtf.ru/life/1668064-dlya-blender-vyshel-oficialnyy-plagin-generatora-ii-artov-stable-diffusion-on-besplatnyy-i-ne-nagruzhaet-videokartu (дата обращения 8.06.2023).

6. Stunning AI-Powered Images and Animations with New «Stability for Blender» Stable Diffusion Addon!//YouTube.—URL: https://www.youtube.com/watch?v=lUF5exb069c (дата обращения 13.06.2023).

7. Личный блог про разработку игр//VK.—URL: https://vk.com/wall-56553280_12021 (дата обращения 24.02.2023).