Hunyuan-Game: Industrieel Intelligent Spelcreatiemodel

Hunyuan-Game: Industrial-grade Intelligent Game Creation Model

May 20, 2025

Auteurs: Ruihuang Li, Caijin Zhou, Shoujian Zheng, Jianxiang Lu, Jiabin Huang, Comi Chen, Junshu Tang, Guangzheng Xu, Jiale Tao, Hongmei Wang, Donghao Li, Wenqing Yu, Senbo Wang, Zhimin Li, Yetshuan Shi, Haoyu Yang, Yukun Wang, Wenxun Dai, Jiaqi Li, Linqing Wang, Qixun Wang, Zhiyong Xu, Yingfang Zhang, Jiangfeng Xiong, Weijie Kong, Chao Zhang, Hongxin Zhang, Qiaoling Zheng, Weiting Guo, Xinchi Deng, Yixuan Li, Renjia Wei, Yulin Jian, Duojun Huang, Xuhua Ren, Sihuan Lin, Yifu Sun, Yuan Zhou, Joey Wang, Qin Lin, Jingmiao Yu, Jihong Zhang, Caesar Zhong, Di Wang, Yuhong Liu, Linus, Jie Jiang, Longhuang Wu, Shuai Shao, Qinglin Lu

cs.AI

Samenvatting

Intelligente gamecreatie vertegenwoordigt een transformerende vooruitgang in gameontwikkeling, waarbij generatieve kunstmatige intelligentie wordt ingezet om gamecontent dynamisch te genereren en te verrijken. Ondanks aanzienlijke vooruitgang in generatieve modellen, blijft de alomvattende synthese van hoogwaardige game-assets, inclusief zowel afbeeldingen als video's, een uitdagend gebied. Om hoogwaardige gamecontent te creëren die tegelijkertijd aansluit bij de voorkeuren van spelers en de efficiëntie van ontwerpers aanzienlijk verhoogt, presenteren we Hunyuan-Game, een innovatief project dat is ontworpen om intelligente gameproductie te revolutioneren. Hunyuan-Game omvat twee primaire takken: beeldgeneratie en videogeneratie. De beeldgeneratiecomponent is gebouwd op een enorme dataset bestaande uit miljarden gameafbeeldingen, wat heeft geleid tot de ontwikkeling van een groep op maat gemaakte beeldgeneratiemodellen die zijn afgestemd op gamescenario's: (1) Algemene tekst-naar-beeldgeneratie. (2) Generatie van gamevisuele effecten, waarbij tekst-naar-effect en referentiebeeld-gebaseerde generatie van gamevisuele effecten betrokken zijn. (3) Generatie van transparante afbeeldingen voor personages, scènes en gamevisuele effecten. (4) Generatie van gamepersonages op basis van schetsen, zwart-witafbeeldingen en witte modellen. De videogeneratiecomponent is gebouwd op een uitgebreide dataset van miljoenen game- en animevideo's, wat heeft geleid tot de ontwikkeling van vijf kernalgoritmische modellen, elk gericht op kritieke pijnpunten in gameontwikkeling en met een robuuste aanpassing aan diverse gamevideoscenario's: (1) Beeld-naar-videogeneratie. (2) 360 A/T Pose Avatar Video Synthese. (3) Generatie van dynamische illustraties. (4) Generatieve videoresolutieverbetering. (5) Generatie van interactieve gamevideo's. Deze beeld- en videogeneratiemodellen vertonen niet alleen een hoog niveau van esthetische expressie, maar integreren ook diepgaand domeinspecifieke kennis, waardoor een systematisch begrip van diverse game- en animekunststijlen wordt gevestigd.

English

Intelligent game creation represents a transformative advancement in game development, utilizing generative artificial intelligence to dynamically generate and enhance game content. Despite notable progress in generative models, the comprehensive synthesis of high-quality game assets, including both images and videos, remains a challenging frontier. To create high-fidelity game content that simultaneously aligns with player preferences and significantly boosts designer efficiency, we present Hunyuan-Game, an innovative project designed to revolutionize intelligent game production. Hunyuan-Game encompasses two primary branches: image generation and video generation. The image generation component is built upon a vast dataset comprising billions of game images, leading to the development of a group of customized image generation models tailored for game scenarios: (1) General Text-to-Image Generation. (2) Game Visual Effects Generation, involving text-to-effect and reference image-based game visual effect generation. (3) Transparent Image Generation for characters, scenes, and game visual effects. (4) Game Character Generation based on sketches, black-and-white images, and white models. The video generation component is built upon a comprehensive dataset of millions of game and anime videos, leading to the development of five core algorithmic models, each targeting critical pain points in game development and having robust adaptation to diverse game video scenarios: (1) Image-to-Video Generation. (2) 360 A/T Pose Avatar Video Synthesis. (3) Dynamic Illustration Generation. (4) Generative Video Super-Resolution. (5) Interactive Game Video Generation. These image and video generation models not only exhibit high-level aesthetic expression but also deeply integrate domain-specific knowledge, establishing a systematic understanding of diverse game and anime art styles.