論文の概要: Texture Generation with Neural Cellular Automata
- arxiv url: http://arxiv.org/abs/2105.07299v1
- Date: Sat, 15 May 2021 22:05:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-18 15:01:17.640774
- Title: Texture Generation with Neural Cellular Automata
- Title(参考訳): ニューラルセルオートマトンによるテクスチャ生成
- Authors: Alexander Mordvintsev, Eyvind Niklasson, Ettore Randazzo
- Abstract要約: 一つのテンプレート画像からテクスチャジェネレータを学習する。
NCAモデルで示される振る舞いは、テクスチャを生成するための学習された分散されたローカルアルゴリズムであると主張します。
- 参考スコア(独自算出の注目度): 64.70093734012121
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Neural Cellular Automata (NCA) have shown a remarkable ability to learn the
required rules to "grow" images, classify morphologies, segment images, as well
as to do general computation such as path-finding. We believe the inductive
prior they introduce lends itself to the generation of textures. Textures in
the natural world are often generated by variants of locally interacting
reaction-diffusion systems. Human-made textures are likewise often generated in
a local manner (textile weaving, for instance) or using rules with local
dependencies (regular grids or geometric patterns). We demonstrate learning a
texture generator from a single template image, with the generation method
being embarrassingly parallel, exhibiting quick convergence and high fidelity
of output, and requiring only some minimal assumptions around the underlying
state manifold. Furthermore, we investigate properties of the learned models
that are both useful and interesting, such as non-stationary dynamics and an
inherent robustness to damage. Finally, we make qualitative claims that the
behaviour exhibited by the NCA model is a learned, distributed, local algorithm
to generate a texture, setting our method apart from existing work on texture
generation. We discuss the advantages of such a paradigm.
- Abstract(参考訳): ニューラル・セル・オートマトン(nca)は、画像の「成長」、形態学の分類、セグメンテーション画像の分類、パス探索などの一般的な計算に必要な規則を学習する能力を示した。
私たちは、彼らが導入する誘導性は、テクスチャの生成に貸すものだと信じています。
自然界のテクスチャはしばしば局所的に相互作用する反応拡散系の変種によって生成される。
ヒューマンメイドのテクスチャも、ローカルな方法(例えば、テクスチャウィービング)や、ローカルな依存(正規のグリッドや幾何学的なパターン)のルールで生成されることが多い。
本稿では,単一テンプレート画像からテクスチャ生成器を学習し,生成手法を恥ずかしいほど並列にし,高速収束と出力の忠実性を示し,基礎となる状態多様体の周囲に最小限の仮定しか必要としないことを示す。
さらに,非定常ダイナミクスや損傷に対する固有のロバスト性など,有用かつ興味深い学習モデルの特性について検討する。
最後に, ncaモデルが提示する行動は, テクスチャ生成のための学習, 分散, 局所的なアルゴリズムであり, 既存のテクスチャ生成の作業とは別物であるという定性的な主張を行う。
このようなパラダイムの利点について論じる。
関連論文リスト
- DreamPolish: Domain Score Distillation With Progressive Geometry Generation [66.94803919328815]
本稿では,高精細な幾何学と高品質なテクスチャの創出に優れたテキスト・ツー・3D生成モデルであるDreamPolishを紹介する。
幾何構成フェーズでは, 合成過程の安定性を高めるために, 複数のニューラル表現を利用する。
テクスチャ生成フェーズでは、そのような領域に向けて神経表現を導くために、新しいスコア蒸留、すなわちドメインスコア蒸留(DSD)を導入する。
論文 参考訳(メタデータ) (2024-11-03T15:15:01Z) - Multi-Texture Synthesis through Signal Responsive Neural Cellular Automata [44.99833362998488]
我々は、個々の例に基づいて、複数のテクスチャの進化のために単一のNAAを訓練する。
我々のソリューションは、内部コード化されたゲノム信号の形で、各セルの状態をテクスチャ情報として提供し、NAAが期待するテクスチャを生成することを可能にする。
論文 参考訳(メタデータ) (2024-07-08T14:36:20Z) - Distance Weighted Trans Network for Image Completion [52.318730994423106]
本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。
CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。
DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
論文 参考訳(メタデータ) (2023-10-11T12:46:11Z) - Localized Text-to-Image Generation for Free via Cross Attention Control [154.06530917754515]
提案手法は, 推論中のクロスアテンションマップを簡易に制御することで, 局所的な生成が可能であることを示す。
提案するクロスアテンション制御(CAC)は,標準のテキスト・ツー・イメージモデルに対して,新たなオープン語彙のローカライズ機能を提供する。
論文 参考訳(メタデータ) (2023-06-26T12:15:06Z) - MOGAN: Morphologic-structure-aware Generative Learning from a Single
Image [59.59698650663925]
近年,1つの画像のみに基づく生成モデルによる完全学習が提案されている。
多様な外観のランダムなサンプルを生成するMOGANというMOrphologic-structure-aware Generative Adversarial Networkを紹介します。
合理的な構造の維持や外観の変化など、内部機能に重点を置いています。
論文 参考訳(メタデータ) (2021-03-04T12:45:23Z) - Counterfactual Generative Networks [59.080843365828756]
画像生成過程を直接監督せずに訓練する独立した因果機構に分解することを提案する。
適切な誘導バイアスを活用することによって、これらのメカニズムは物体の形状、物体の質感、背景を解き放つ。
その結果, 偽画像は, 元の分類タスクにおける性能の低下を伴い, 分散性が向上することが示された。
論文 参考訳(メタデータ) (2021-01-15T10:23:12Z) - A cellular automata approach to local patterns for texture recognition [3.42658286826597]
本稿では, セルオートマトンによる複雑な物体の表現力と, テクスチャ解析における局所記述子の既知の有効性を組み合わせたテクスチャ記述法を提案する。
我々の提案は、特に現実世界の問題において、他の古典的、最先端のアプローチよりも優れています。
論文 参考訳(メタデータ) (2020-07-15T03:25:51Z) - Reorganizing local image features with chaotic maps: an application to
texture recognition [0.0]
テクスチャ認識のためのカオスベースの局所記述子を提案する。
画像を3次元ユークリッド空間にマッピングし、この3次元構造上のカオス写像を反復し、元の像に戻す。
本手法の有効性をベンチマークデータベースの分類と,葉面のテクスチャに基づくブラジルの植物種の同定で検証した。
論文 参考訳(メタデータ) (2020-07-15T03:15:01Z) - Co-occurrence Based Texture Synthesis [25.4878061402506]
本稿では,共起統計に基づいて局所的に条件付けされた完全畳み込み生成対向ネットワークを提案し,任意に大きな画像を生成する。
本手法はテクスチャ合成のための安定的で直感的で解釈可能な潜在表現を提供する。
論文 参考訳(メタデータ) (2020-05-17T08:01:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。