Resumen

La generación procedural de contenido es el área de investigación dedicada a la automatización de los elementos creados por computadora. Esta área tuvo su origen en la década de los 80s aliviando las limitaciones de hardware e inicialmente estaba enfocada al desarrollo de videojuegos. Estos elementos son los componentes de mundos virtuales, tales como la historia, los personajes, música, vegetación y paisajes. Conforme los avances en las capacidades computacionales permitieron crear mundos virtuales cada vez más complejos y grandes, los cuales aumentaron en realismo, más tipos de elementos empezaron a ser generados automáticamente, esta investigación dio lugar a diferentes subáreas. Una de ellas fue la generación procedural de terrenos, la cual es la subárea que se especializa en la automatización de la creación de paisajes virtuales. Actualmente, la creación de paisajes detallados es un proceso que requiere mucho tiempo y necesita altas cantidades de labor a pesar de los avances en el poder computacional. La investigación se enfoca en la generación de paisajes que sean diversos, realistas, coherentes y útiles, los cuales incluyan más de las características presentes en la naturaleza, de tal forma que le permitan a los creadores ejercer control sobre los terrenos generados. Los terrenos generados ya no son utilizados de forma exclusiva durante el desarrollo de videojuegos, hoy en día también pueden ser utilizados en películas, simulaciones e incluso en el aumento de datos en investigaciones relacionadas a los sistemas de la Tierra. A través del tiempo, varias familias de métodos de generación han sido propuestas, desde la repetición de patrones de los métodos fractales, a la simulación de procesos geomorfológicos, hasta el uso de redes neuronales convolucionales profundas. Cada uno tiene sus ventajas y limitaciones particulares, y asímismo hay métodos híbridos que buscan aprovechar las ventajas de múltiples métodos para crear paisajes más complejos. Esta tesis presenta una propuesta modular para la generación procedural de elementos de terrenos, la cual está conformada por tres métodos utilizados en conjunto con el objetivo de generar un terreno complejo, aprovechando las propiedades de velocidad de las gramáticas, y el realismo conseguido por las redes neuronales convolucionales. Esta propuesta modular se enfoca en los deltas de ríos tratándose de sistemas dinámicos complejos que necesitan una gran cantidad de datos para ser recreados por métodos de simulación, para los que previamente se han propuesto métodos más simples que carecen de realismo y no aciertan a reflejar la complejidad de este elemento del terreno. Los deltas también son importantes en los estudios terrestres porque en términos geológicos cambian muy rápidamente que se benefician al tener disponibles datos sintéticos. El primer módulo en esta tesis utiliza una adaptación de los sistemas de Lyndenmayer, o sistemas-L, para la generación inicial de esqueletos de los deltas. Se escogió de esta forma porque los deltas tienen estructuras ramificadas que son el resultado de material depositado cuando los ríos llegan a cuerpos de agua más calmados tales como el oceano, y ya que los sistemas-L fueron propuestos originalmente para describir el crecimiento de árboles y arbustos, los cuales también tienen estructuras ramificadas que presentan formas con autosimilitud. Se utilizan sistemas-L estocásticos para mejorar la variabilidad y se proponen guías para la construccipon de las reglas, para así maximizar las probabilidades de obtener esqueletos de deltas válidos. El segundo módulo es un algoritmo de construcción con parámetros, el cual utiliza los esqueletos generados previamente como entrada para crear mapas de cobertura de agua, los cuales son modelos que representan las áreas terrestres cubiertas de agua. Finalmente, utilizando los mapas de agua como un puente, el módulo final utiliza Redes Generativas Adversariales condicionadas (RGAc) para generar modelos digitales de elevación e imágenes de la superficie terrestre. Con esta secuencia de capas de abstración, es posible gene- rar deltas de ríos variables, permitiendo controlar sobre los elementos del terreno y ajustar parámetros, modificando los mapas de agua. El modelo digital de elevación puede ser utilizado por los diseñadores de videojuegos y las imágenes de la superficie para el aumento de datos. Las contribuciones de este trabajo son la adaptación de las gramáticas del sistema-L para la generación de estructuras de deltas de río y las instrucciones para generar más gramáticas, el algortimo de creación de mapas de covertura de agua, y un cojunto de datos llamado Deltas de río y area costales 2020 (DRAC2020) el cual fue utilizado para entrenar a las RGAc, y finalmente se demuestra que las RGAc pueden generar terrenos coherentes con una sola característica de entrada.

Abstract. Procedural content generation is the research area that is dedicated to the automation of computer generated assets. This area saw its inception during the 80s to alleviate hardware limitations and was initially focused on video game development. These assets are the components of virtual worlds like story, characters, music, vegetation and landscapes. As advances in computer capabilities allowed to create even bigger, more complex and realistic virtual worlds, more types of assets started to be automatically generated, this research gave birth to different subareas. One of them is procedural terrain generation, which is the subarea that specializes on the automation of the creation of virtual landscapes. Currently, the creation of detailed landscapes is a time-consuming process that requires high amounts of labor, despite the advances in computing power. Research focuses on the generation of diverse, realistic, coherent, and useful landscapes which contain more terrain features than those present in nature by means that allow creators to exert control over these generated terrain features. Generated terrains are not longer to be used exclusively during video game development, nowadays they can be also used in movies, simulations,and even for data augmentation in research related to Earth systems. Through time, several families of generation methods have been proposed, from the repetition of patterns in fractal methods, to the simulation of geomorphological processes, to the use of convolutional deep neural networks. Each one has their own advantages and limitations, and there are as well as hybrid methods that aim to harness the advantages that different methods provide to create more complex landscapes. This thesis presents a modular approach for terrain feature generation, which is composed of three different methods used in conjunction, with the aim to generate a complex terrain. The modular proposal takes the advantage of the speed properties of grammars, and the realism achieved by convolutional neural networks focus on the terrain features of river deltas. This kind of features present a research opportunity due to deltas are complex dynamic systems, which simulation methods need high amounts of data to recreate, and at the same time simpler methods lack of realism and fail to reflect the complexity of this land feature. River deltas are also important in Earth studies because, in geological terms, they change very rapidly and having synthetic data at hand could help improve current research. Therefore, the first module in this work uses adapted Lyndenmayer systems, or L-systems, to generate the initial delta skeleton. River deltas have branching structures that are the result of deposited material when rivers reach calmer water bodies such as the ocean, and L-systems were originally proposed to describe the growth of trees and bushes, which also have branching structures with self similar shapes. Stochastic L-systems are used to improve variability, and rule-construction guidelines are proposed, in order to maximize the probabilities of obtaining valid delta skeletons. The second module is a parametric constructions algorithm, which uses the previously generated skeletons as inputs to create water coverage maps, these are models that represent the areas covered in water over the land. Finally, by using the water maps as a bridge, the final module uses conditional generative adversarial networks (cGANs) to generate digital elevation models and land surface images. With this sequence of abstraction layers, it is possible to generate variable river deltas, and allows to exert control over the generated features by adjusting parameters or by modifying the water maps. The digital elevation model may be used by game designers and the surface images for data augmentation. The contributions of this work are the adaptation of the L-system grammar to generate river delta structures, the water coverage creation algorithm, a data set namely deltas rivers and coastal areas 2020 (DRCA2020) which was used to train the cGANs, and finally the demonstration that cGANs can generate coherent terrains with just a single input feature.

 

Palabras clave: GANs, Generación Procedural de Terrenos, Heurísticos de construcción.

Documento completo (archivo pdf, 2 mb)

Índice de contenido

Portada

Agradecimientos

Índices

Capítulo 1. Introducción

Capítulo 2. Trabajo Relacionado

Capítulo 3. Sistemas-L: La Naturaleza Fractal de los Deltas de Río

Capítulo 4. Mapas de Agua: El Vínculo entre los Esqueletos de Deltas y las Imágenes Realistas

Capítulo 5. El Conjunto de Datos DRCA2020

Capítulo 6. Utilizando cGANs para la Generación de Deltas de Ríos Realistas

Capítulo 7. Resultados y Discusión

Capítulo 8. Conclusiones y Comentarios Finales

Referencias

Apéndice A. Tablas

Apéndice B. Análisis de Complejidad

Documento completo (archivo pdf, 2 mb)

Valencia Rosado, L. O. 2021. Generación Procedural de Deltas de Ríos utilizando Sistemas-L y Redes Generativas Adversarias Condicionadas. Tesis Doctorado. Sistemas Inteligentes. Departamento de Ingeniería en Computación, Electrónica y Mecatrónica, Escuela de Ingeniería, Universidad de las Américas Puebla. Mayo. Derechos Reservados © 2021.