This research aims to automatically generate high-quality beatmaps using a deep learning algorithm. Beatmaps are patterns of action events mapped on a timeline of musical beats that constitute a level of a rhythm game. They are typically handcrafted, limiting the number of available songs and adaptability to different skill levels and musical preferences. For this reason, players often resort to manual beatmap creation, a time-consuming and repetitive process that requires great precision and attention to detail. The proposed approach employs a C-LSTM architecture with feature-wise linear modulation (FiLM) layers to predict action patterns that match the desired level of challenge, given source separated audio as input. This study contributes to improving difficulty control and rhythm pattern accuracy in beatmap generation, and establishing criteria for beatmap data collection and evaluation. The results allow developers and players to focus on originality and details, enabling minor video game publishers to enter the market competitively by overcoming resource limitations.
본 논문은 리듬게임에 사용하는 고품질 비트맵을 자동으로 생성하기 위한 딥러닝 알고리즘을 개발하는 데 목적을 둔다. 비트맵이란 리듬게임의 레벨을 구성하는 음악 비트의 타임라인에 매핑된 액션 이벤트의 패턴을 말한다. 비트맵은 일반적으로 수작업으로 제작되기 때문에 이용 가능한 노래의 수가 제한적이고 다양한 난이도와 음악적 선호도에 맞게 조정하기 어렵다. 따라서 플레이어는 대부분 수동으로 생성된 비트맵에 의존하게 되며, 이는 시간이 오래 걸리고 반복적인 과정이 필요하다. 제안된 방식은 특징별 선형 변조 (FiLM) 레이어가 포함된 합성곱 장단기 기억 (C-LSTM) 신경망 아키텍처를 기반으로, 소스가 분리된 오디오가 입력으로 주어지면 원하는 수준의 난이도에 맞는 동작 패턴을 예측한다. 본 연구는 비트맵 생성 시 리듬 패턴 알고리즘을 개선하고 난이도 제어를 용이하게 하며, 비트맵 데이터 수집 및 평가 기준을 확립하는 데 기여한다. 본 연구 결과는 개발자 및 플레이어가 게임의 독창성과 세부적인 요소에 집중할 수 있게 하고, 소규모 비디오 게임 제작사에게는 자원 제약을 극복하고 경쟁력 있게 시장에 진출할 수 있는 기회를 제공할 것이다.
