Коломоєць, Сергій ОлексійовичСавченко, Данііл Геннадійович2026-10-012026-10-012026Савченко, Д. Г. Методи генеративного моделювання для створення ігрового контенту : дипломна робота … бакалавра : 122 Комп'ютерні науки / Савченко Данііл Геннадійович. – Київ, 2026. – 93 с.https://ela.kpi.ua/handle/123456789/83640Дипломна робота: 93 с., 15 рис., 14 табл., 21 посилань, 3 додатки. Дипломна робота присвячена дослідженню методів генеративного моделювання – генеративно-змагальних мереж (GAN), варіаційних автоенкодерів (VAE) та дифузійних моделей – для автоматизованого створення ігрового контенту. Мета роботи: підвищення ефективності методів генеративного моделювання для створення різних типів ігрового контенту з оцінкою якості та ефективності запропонованих підходів. Використані методи: системний аналіз, методи глибокого навчання, методи оцінювання якості зображень (FID, PSNR, SSIM), алгоритм пошуку в ширину (BFS) для валідації графів, методи функціонально-вартісного аналізу. Отримані результати: розроблено та програмно реалізовано систему генерації ігрового контенту в Unity. Навчено модель cGAN для генерації карт рівнів та модель VAE для текстур. Моделі успішно конвертовано у формат ONNX та інтегровано у пайплайн Unity через пакет Unity Sentis. Рекомендації щодо використання: розроблену систему доцільно використовувати інді-студіям та розробникам ігор для автономної швидкої генерації ігрових локацій і текстур безпосередньо в рушії Unity без залежності від хмарних сервісів.93 с.ukгенеративно-змагальні мережі (gan)варіаційний ав тоенкодер (vae)процедурна генерація контенту (pcg)unityігровий контенттекстурирівніглибоке навчанняgenerative adversarial networks (gan)variational autoencoder (vae)procedural content generation (pcg)game contenttextureslevelsdeep learningBachelor Thesis