論文の概要: Generative Adversarial Neural Cellular Automata
- arxiv url: http://arxiv.org/abs/2108.04328v1
- Date: Mon, 19 Jul 2021 06:23:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-15 15:54:45.845606
- Title: Generative Adversarial Neural Cellular Automata
- Title（参考訳）: 生成性adversarial neural cell automata
- Authors: Maximilian Otte, Quentin Delfosse, Johannes Czech, Kristian Kersting
- Abstract要約: 本稿では,1つのニューラルセルオートマタを用いて複数の出力を生成しながら,異なる初期環境を入力として使用する概念を提案する。
また、ニューラルセルオートマタとジェネレーティブアドリアネットワークを組み合わせた新しいアルゴリズムであるGANCAを紹介する。
- 参考スコア（独自算出の注目度）: 13.850929935840659
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Motivated by the interaction between cells, the recently introduced concept
of Neural Cellular Automata shows promising results in a variety of tasks. So
far, this concept was mostly used to generate images for a single scenario. As
each scenario requires a new model, this type of generation seems contradictory
to the adaptability of cells in nature. To address this contradiction, we
introduce a concept using different initial environments as input while using a
single Neural Cellular Automata to produce several outputs. Additionally, we
introduce GANCA, a novel algorithm that combines Neural Cellular Automata with
Generative Adversarial Networks, allowing for more generalization through
adversarial training. The experiments show that a single model is capable of
learning several images when presented with different inputs, and that the
adversarially trained model improves drastically on out-of-distribution data
compared to a supervised trained model.
- Abstract（参考訳）: 最近導入されたNeural Cellular Automataの概念は、細胞間の相互作用によって動機付けられ、様々なタスクにおいて有望な結果を示す。
これまでのところ、この概念は1つのシナリオで画像を生成するのにほとんど使われていました。
それぞれのシナリオが新しいモデルを必要とするため、この種の生成は自然界の細胞の適応性と矛盾しているように思える。
この矛盾に対処するために,1つのニューラルセルオートマタを用いて複数の出力を生成しながら,異なる初期環境を入力として利用する概念を導入する。
さらに,ニューラル・セル・オートマトンと生成的逆ネットワークを組み合わせた新しいアルゴリズムgancaを導入する。
実験により,一つのモデルが異なる入力で提示された複数の画像を学習できることを示すとともに,教師付き学習モデルと比較して,敵対的に訓練されたモデルが分布外データに対して大幅に改善することを示す。
関連論文リスト
- This Probably Looks Exactly Like That: An Invertible Prototypical Network [8.957872207471311]
プロトタイプニューラルネットワークは、概念アノテーションなしで人間に理解可能な機械学習を実現するための、エキサイティングな方法だ。
原型的説明に対する間接的解釈関数への依存は、プロトタイプの情報的力に厳しい制限を課すことが判明した。
本稿では,ガウス混合モデルを用いて正規化フローを構成することにより,ProtoFlowと呼ばれるモデルを提案する。
論文 参考訳（メタデータ） (2024-07-16T21:51:02Z) - Latent Neural Cellular Automata for Resource-Efficient Image Restoration [4.470499157873342]
ニューラルセルオートマトン(LNCA)モデルを導入する。これはニューラルセルオートマトン(英語版)の資源制限に対処するために設計された新しいアーキテクチャである。
提案手法は,事前学習したオートエンコーダに頼って,従来の入力空間から特別に設計された潜在空間へ計算をシフトする。
この修正は、モデルのリソース消費を減らすだけでなく、様々なアプリケーションに適した柔軟なフレームワークも維持する。
論文 参考訳（メタデータ） (2024-03-22T14:15:28Z) - Locally adaptive cellular automata for goal-oriented self-organization [14.059479351946386]
本稿では,スケーラブルで表現力のあるモデルを生成するための適応型セルオートマトンモデルを提案する。
本稿では,セルオートマトンとシステム状態の更新ルールを局所的に結合することで,適応を実現する方法を示す。
論文 参考訳（メタデータ） (2023-06-12T12:32:23Z) - Growing Isotropic Neural Cellular Automata [63.91346650159648]
我々は、元のGrowing NCAモデルには、学習された更新規則の異方性という重要な制限があると主張している。
細胞系は2つの方法のいずれかによって、正確な非対称パターンを成長させる訓練が可能であることを実証する。
論文 参考訳（メタデータ） (2022-05-03T11:34:22Z) - Meta Internal Learning [88.68276505511922]
単一画像生成のための内部学習は、単一の画像に基づいて新しい画像を生成するようにジェネレータを訓練するフレームワークである。
本稿では,サンプル画像の内部統計をより効果的にモデル化するために,画像集合のトレーニングを可能にするメタラーニング手法を提案する。
以上の結果から, 得られたモデルは, 多数の共通画像アプリケーションにおいて, シングルイメージのGANと同程度に適していることがわかった。
論文 参考訳（メタデータ） (2021-10-06T16:27:38Z) - Towards self-organized control: Using neural cellular automata to
robustly control a cart-pole agent [62.997667081978825]
我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。
我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
論文 参考訳（メタデータ） (2021-06-29T10:49:42Z) - Image Generation With Neural Cellular Automatas [1.8275108630751844]
ニューラルセルオートマトン(NCA)を用いて画像(または他のアートワーク)を生成する新しい手法を提案する。
単一画像に基づいてNAAを1つずつ訓練する代わりに、このアイデアを可変オートエンコーダ(VAE)と組み合わせ、画像復元やスタイル融合といったいくつかの応用を探索した。
論文 参考訳（メタデータ） (2020-10-10T08:52:52Z) - Reservoir Memory Machines as Neural Computers [70.5993855765376]
微分可能なニューラルネットワークは、干渉することなく明示的なメモリで人工ニューラルネットワークを拡張する。
我々は、非常に効率的に訓練できるモデルを用いて、微分可能なニューラルネットワークの計算能力を実現する。
論文 参考訳（メタデータ） (2020-09-14T12:01:30Z) - Neural Cellular Automata Manifold [84.08170531451006]
ニューラルセルラーオートマタのニューラルネットワークアーキテクチャは、より大きなNNにカプセル化可能であることを示す。
これにより、NAAの多様体を符号化する新しいモデルを提案し、それぞれが異なる画像を生成することができる。
生物学的には、我々のアプローチは転写因子の役割を担い、細胞の分化を促進する特定のタンパク質への遺伝子マッピングを調節する。
論文 参考訳（メタデータ） (2020-06-22T11:41:57Z) - Model Fusion via Optimal Transport [64.13185244219353]
ニューラルネットワークのための階層モデル融合アルゴリズムを提案する。
これは、不均一な非i.d.データに基づいてトレーニングされたニューラルネットワーク間での"ワンショット"な知識伝達に成功していることを示す。
論文 参考訳（メタデータ） (2019-10-12T22:07:15Z)
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。