A Comparative Analysis of Game Asset Creation Using \nConventional and AI Methods
Notice bibliographique
Résumé
The rapidly evolving Artificial Intelligence (AI) field is having a significant impact on many industries, as well as individuals. ChatGPT and image generating applications are undoubtedly among the most well-known and widely utilized AI tools. It is interesting to explore how these AI tools may be used in video games, specifically for asset creation, and how they compare to more traditional methods. \n \nThis thesis investigates the creation of video game assets using traditional techniques and AI tools such as ChatGPT and Midjourney. A group of 34 participants, each with varying levels of experience in different techniques and asset production, were given the task of creating basic game components using both traditional and AI tools. The goal was to rank both methods according to the overall rating, the satisfaction of the end result, and the ease of use to determine which one is preferred. The sample scene was a simple 2D platformer game, similar to Mario, with which most people are familiar and most likely played at some point. The participants were involved in both the creation process of game assets, as well as their evaluation, which brings a new perspective on the matter. It was discovered that, on average, AI tools are rated higher and are simpler to use than traditional approaches. Participants were highly satisfied with the results. However, the content created in such a way may not be as creative or as tailored for the specific needs as content made by people. Using these technologies makes it difficult to maintain a consistent style or create exactly what the person envisions, as compared to producing them manually, when the artist has complete control over every step and detail. Both methodologies have value, and depending on the project's goals and available resources, one may be preferred over the other. A hybrid method, which combines AI efficiency with artist creativity, may be the best option.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».