Quality Diversity for diffusion-based generation of tileable video game backgrounds

Quality Diversity algorithms have been used in numerous fields to find diverse solutions while still maintaining a high fitness score. While they have been used before to explore spaces related to video game content, very little research has been conducted regarding their use when integrated with Image Generation approaches like Diffusion. In this thesis our objective is to research the use of Quality Diversity as a tool for image generation and for the creation of complex tilesets comprising numerous images connecting to one another seamlessly. This is done through the use of MAP-Elites together with Tiled Diffusion to first generate Archives filled with images and then combine selected ones using given tiling constraints. Part of our research consisted in developing Fitness Functions, to evaluate the images, as well as Behavioral Descriptors needed to position them inside the Archives. These metrics later underwent a statistical analysis based on data we obtained from a user study.

Gli algoritmi di Quality Diversity sono stati utilizzati in numerosi campi per trovare soluzioni diversificate mantenendo però un punteggio di fitness elevato. Sebbene siano stati precedentemente utilizzati per esplorare spazi relativi ai contenuti dei videogiochi, sono stati condotti pochi studi sul loro utilizzo quando integrati con approcci per generare immagini come Diffusion. In questa tesi, il nostro obiettivo è quello di studiare l'uso della Quality Diversity come strumento per la generazione di immagini e per la creazione di tileset complessi composti da numerose immagini che si connettono tra loro. Ciò viene fatto attraverso l'uso di MAP-Elites insieme a Tiled Diffusion per generare prima archivi popolati da immagini e poi combinare quelle selezionate utilizzando vincoli dati. Parte della nostra ricerca è consistita nello sviluppo di Funzioni di Fitness, per valutare le immagini, nonché Descrittori Comportamentali necessari per posizionarle all'interno degli archivi. Queste metriche sono state successivamente sottoposte ad un'analisi statistica basata su dati ottenuti da un sondaggio.