Секрет геймдева: 90 локаций в рекордные сроки благодаря ИИ

В течение последнего года мы активно экспериментируем с искусственным интеллектом в разработке игр: тестируем, когда ИИ действительно помогает, когда, наоборот, замедляет процесс, а когда вклад человека по-прежнему остается незаменимым.

После нашего предыдущего проекта с игрой Guess Mess, где мы исследовали ИИ-сгенерированные головоломки, наша команда решила пойти дальше. На этот раз мы сосредоточились на чем-то более ресурсоемком – создании полноценных игровых локаций с помощью генеративного AI. Этот проект стал еще одним успешным этапом в сотрудничестве компании по развитию исскуственного интелекта QuData и геймдев-студии Absolutist.

Концепция локаций

Когда люди представляют себе ИИ в геймдеве, они часто думают о системе, которая создает целые уровни одним промптом. На самом же деле процесс гораздо сложнее. Искусственный интеллект становится частью инструментария художника: помогает с генерацией идей, ускоряет производство и расширяет творческие возможности.

Именно такой подход использовался при создании уровней для игры в жанре поиска предметов – Hidden Objects Getaway. В рамках проекта наша команда создала 90 уникальных локаций для 9 глав, по 10 сцен в каждой. И хотя искусственный интеллект сыграл ключевую роль в ускорении производства, все локации все равно начинались с идеи и художественного замысла человека.

Каждая сцена должна была передавать собственную атмосферу: уютную, загадочную, яркую, футуристическую или даже немного мрачную. Наши художники сначала разрабатывали концепцию: как должно выглядеть место, какие объекты могут там появиться и какой эмоциональный настрой должна передавать сцена. Когда идея была сформулирована, далее мы использовали инструменты ИИ для генерации базовых визуальных элементов и ускорения процесса дизайна среды.

Интересно, что основной акцент делался не на сверхсложных промптах. Вместо этого мы экспериментировали с комбинациями генеративных моделей, референсными изображениями и стилистическими пресетами. Такие пресеты позволяли художникам быстро менять настроение сцены. Например: элементы в мультяшном стиле создавали яркие и игривые окружения; стиль “rainbow-core” придавал сценам фэнтезийную атмосферу; sci-fi эстетика делала локации более холодными и футуристичными.

Вот почему некоторые сцены выглядят выразительными и живыми, а другие – более атмосферными или темными. Чтобы улучшить качество запросов, наши художники часто изучали промпты изображений, которые им понравились в публичной галерее платформы, и адаптировали их под собственный арт.

Выбор инструментов и работа с их ограничениями

На старте проекта мы остановились на связке из двух основных инструментов:

1. Leonardo AI – для генерации фонов локаций
2. Adobe Photoshop Generative Fill – для создания объектов и редактирования сцены

Leonardo быстро стал основным инструментом для генерации окружения благодаря чистым результатам и быстрым итерациям. Photoshop Generative Fill прекрасно его дополнял, позволяя добавлять отдельные объекты прямо в готовый фон и органично интегрировать их в сцену. При этом инструменты сильно отличались по поведению. Leonardo работал более точно и стабильно, тогда как Photoshop часто генерировал более мягкие и менее детализированные результаты, которые требовали дополнительной доработки.

Довольно быстро стало понятно, что бесплатных версий для производства недостаточно. Даже базовый платный план Leonardo (около $12) давал заметную разницу как в качестве, так и в объеме генерации. У Photoshop в целом были значительно более жесткие ограничения. Новые пользователи получали примерно 40 генераций в месяц, тогда как более старые подписки предлагали чуть больше (около 100+). На практике этого едва хватало на две-три полноценные локации, особенно учитывая, что множество попыток заканчивались странными артефактами или полным абсурдом.

Некоторые объекты оказывались особенно сложными – модель просто не понимала запрос независимо от формулировки промпта. Из-за этого нам приходилось крайне осторожно расходовать токены Photoshop и терпеливо проходить через процесс проб и ошибок.

Построение рабочего процесса ИИ

Хотя финальные изображения выглядят безупречно, они были созданы с помощью многоэтапного процесса, сочетающего несколько инструментов.

1. Генерация предварительных идей

Процесс начинался в Leonardo AI, где художники создавали первые версии локации. Эти ранние изображения часто были черновыми скетчами низкого качества и использовались в основном для проверки:

• композиции
• структуры сцены
• освещения
• атмосферы

На этом этапе промпты были намеренно простыми. Главная задача заключалась в том, чтобы быстро перебрать различные варианты, пока композиция не начинала выглядеть правильно.

Когда появлялось изображение с хорошей композицией, художник повышал качество генерации и повторно использовал картинку в качестве референса для следующих итераций. Это помогало ИИ создавать более чистую и детализированную версию той же сцены.

2. Очистка и доработка фона

Когда фоновое изображение выглядело перспективным, его переносили в Photoshop для редактирования. Здесь художники:

• удаляли артефакты генерации
• исправляли визуальные баги
• дорисовывали части сцены для лучшего кадрирования
• корректировали цвета и освещение

Generative Fill также использовался для расширения недостающих частей сцены. Но по сравнению с Leonardo результаты Photoshop часто были менее детализированными и слегка размытыми.

При этом результат сильно зависел от качества исходного изображения: чем лучше был оригинальный фон, тем лучше выглядели сгенерированные элементы.

3. Расширение окружения

После очистки изображение изменяли по размеру и обрабатывали с помощью ИИ-апскейла. Обычно создавались две версии:

• одна с меньшей детализацией
• одна с повышенной детализацией

Обе версии увеличивались в 2 раза, что позволяло получить более четкие игровые ассеты. Затем художник возвращался в Photoshop и комбинировал лучшие фрагменты из разных вариантов изображения, создавая финальный фон.

При необходимости проводилась дополнительная очистка от артефактов. На этом этапе фон локации считался готовым.

Генерация объектов для локации

Следующим этапом было наполнение сцены предметами. Вместо того чтобы создавать их по отдельности, команда использовала функцию Generative Fill в Photoshop непосредственно в выбранных участках локации.

Рабочий процесс выглядел следующим образом:

1. Выделить область изображения с помощью лассо или прямоугольного выделения.
2. Оставить дополнительное пространство вокруг объекта, чтобы он естественно вписывался.
3. Ввести название объекта в качестве промпта (например: стул, фонарь, витраж).

Интересный факт: язык запроса иногда существенно влиял на качество результата. Наши художники заметили, что определенные предметы лучше генерировались, если промпт вводить на украинском языке, тогда как другие – на английском.

Чтобы помочь модели понять сложные объекты, художники иногда вставляли в сцену вырезанные фрагменты из других изображений в качестве визуальной подсказки.

Обучение ИИ во время генерации

Еще одним интересным открытием стало то, что ИИ мог постепенно совершенствоваться в процессе работы. Если художники удаляли неудачные результаты генерации и оставляли только успешные, система постепенно начинала создавать объекты ближе к нужному стилю.

Фактически возникал своеобразный “эффект обучения”, когда модель адаптировалась к визуальным предпочтениям художника. Photoshop также активно использовался для исправления ошибок генерации, таких как искаженные формы, странные текстуры или некорректные элементы сцены.

Результат

В итоге мы получили полный набор из 90 локаций, каждая из которых имела собственное настроение, тематику и игровое назначение. В среднем на одну локацию выделялось около 8 часов работы, и примерно 60-70% этого времени уходило на создание фона с помощью искусственного интеллекта.

Использование ИИ позволило нам исследовать значительно больше визуальных направлений, чем это было бы возможно при сугубо ручном подходе, и при этом наши художники сохраняли полный контроль над концепциями и финальной доработкой. Этот подход оказался особенно ценным для сохранения разнообразия при большом количестве сцен.

Такой рабочий процесс сильно отличается от классического пайплайна для создания игр с поиском предметов, которые предполагают 3D-сцены, ручное размещение объектов, интенсивную постобработку и т. д. Так что это не прямое сравнение – это совершенно другой подход. Но современный геймдев все больше демонстрирует, что самый эффективный подход заключается не в выборе между специалистами и ИИ, а в сочетании человеческой креативности с генеративными технологиями для создания результатов быстрее, чем когда-либо прежде.

Мы и дальше продолжим делиться нашим опытом использования ИИ: что работает, что нет, и где нейросетям по-прежнему очень нужна помощь человека. А пока результаты сотрудничества ИИ и нашей команды можно увидеть в бесплатной мобильной игре Hidden Objects Getaway!

Команда Absolutist