Erweiterung des Wave Function Collapse Algorithmus durch eine umgebungsabhängige dynamische Gewichtung

Abstract

Der Wave Function Collapse Algorithmus dient dazu, aus einer Menge von Mustern und Regeln prozedural komplexe Bilder zu generieren. Obwohl er ursprünglich für die Textursynthese entwickelt wurde, findet er inzwischen Anwendung in der prozeduralen Content Generierung für die Spieleentwicklung. Der erzeugte Output weist die Eigenschaft der lokalen Ähnlichkeit auf. Diese Eigenschaft kann jedoch bei größeren Ausgabebildern zu homogenen Ergebnissen führen, was besonders in der prozeduralen Content Generierung unerwünscht ist. Die Zielsetzung dieser Bachelorarbeit besteht darin, den Algorithmus durch eine umgebungsabhängige dynamische Gewichtung zu erweitern. Diese Erweiterung berücksichtigt den Kontext der umliegenden Muster, um die Wahrscheinlichkeiten für die Auswahl zukünftiger Muster zu beeinflussen. Durch diese Methode weist der generierte Output eine erhöhte Vielfalt und Variation auf, sodass dieser für die Anwendung in der Spieleentwicklung besser geeignet ist.

The Wave Function Collapse algorithm is used to generate procedurally complex images from a set of patterns and rules. Although it was originally developed for Texture Synthesis, it is being utilized in Procedural Content Generation for game development. The generated output has a trait of Local Similarity. This trait can lead to homogeneous results for larger output images, which is especially undesirable in Procedural Content Generation. The objective of this bachelor thesis is to extend the algorithm by adding an environment-dependent dynamic weighting. This extension takes into account the context of the surrounding patterns to influence the probabilities for selecting future patterns. Through this method, the generated output exhibits increased diversity and variation, making it more suitable for use in game development.