論文の概要: Latent Neural Cellular Automata for Resource-Efficient Image Restoration

• arxiv url: http://arxiv.org/abs/2403.15525v1
• Date: Fri, 22 Mar 2024 14:15:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-26 22:12:28.187896
• Title: Latent Neural Cellular Automata for Resource-Efficient Image Restoration
• Title（参考訳）: 資源効率の良い画像復元のための潜在神経セルオートマタ
• Authors: Andrea Menta, Alberto Archetti, Matteo Matteucci,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.470499157873342
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural cellular automata represent an evolution of the traditional cellular automata model, enhanced by the integration of a deep learning-based transition function. This shift from a manual to a data-driven approach significantly increases the adaptability of these models, enabling their application in diverse domains, including content generation and artificial life. However, their widespread application has been hampered by significant computational requirements. In this work, we introduce the Latent Neural Cellular Automata (LNCA) model, a novel architecture designed to address the resource limitations of neural cellular automata. Our approach shifts the computation from the conventional input space to a specially designed latent space, relying on a pre-trained autoencoder. We apply our model in the context of image restoration, which aims to reconstruct high-quality images from their degraded versions. This modification not only reduces the model's resource consumption but also maintains a flexible framework suitable for various applications. Our model achieves a significant reduction in computational requirements while maintaining high reconstruction fidelity. This increase in efficiency allows for inputs up to 16 times larger than current state-of-the-art neural cellular automata models, using the same resources.
• Abstract（参考訳）: ニューラルセルオートマトンは、深層学習に基づく遷移関数の統合によって強化された従来のセルオートマトンモデルの進化を表す。 このマニュアルからデータ駆動アプローチへのシフトは、これらのモデルの適応性を著しく向上させ、コンテンツ生成や人工生命を含むさまざまな領域での応用を可能にした。 しかし、それらの広範な応用は、重要な計算要求によって妨げられている。 本研究では,LNCA(Latent Neural Cellular Automata)モデルを提案する。 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。 劣化した画像から高品質な画像を再構成することを目的とした,画像復元の文脈に本モデルを適用した。 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。 提案モデルでは,高い再構成精度を維持しつつ,計算要求の大幅な削減を実現している。 この効率の向上により、同じリソースを使用して、現在の最先端のニューラルセルオートマトンモデルよりも最大16倍の入力が可能になる。

関連論文リスト

• Research on Personalized Compression Algorithm for Pre-trained Models Based on Homomorphic Entropy Increase [2.6513322539118582]
  我々は、現在のAI分野における2つの重要な技術の課題と進化を探求する:ビジョントランスフォーマーモデルと大規模言語モデル(LLM)。 Vision Transformerは、イメージを小さな断片に分割することで、グローバルな情報をキャプチャするが、その高い参照数とモバイル機器へのオーバヘッド制限の配置を計算する。 LLMは自然言語処理に革命をもたらしたが、デプロイメントの課題にも直面している。
  論文  参考訳（メタデータ） (2024-08-16T11:56:49Z)
• Self-STORM: Deep Unrolled Self-Supervised Learning for Super-Resolution Microscopy [55.2480439325792]
  我々は、シーケンス固有のモデルベースのオートエンコーダをトレーニングすることで、そのようなデータの必要性を軽減する、深層無学習の自己教師付き学習を導入する。 提案手法は, 監視対象の性能を超過する。
  論文  参考訳（メタデータ） (2024-03-25T17:40:32Z)
• Symplectic Autoencoders for Model Reduction of Hamiltonian Systems [0.0]
  長期の数値安定性を確保するためには,システムに関連するシンプレクティックな構造を維持することが重要である。 本稿では,次元削減のための確立されたツールであるオートエンコーダの精神の中で,新しいニューラルネットワークアーキテクチャを提案する。 ネットワークのトレーニングには,非標準勾配降下法を適用した。
  論文  参考訳（メタデータ） (2023-12-15T18:20:25Z)
• Composable Function-preserving Expansions for Transformer Architectures [2.579908688646812]
  最先端のニューラルネットワークのトレーニングには、計算と時間の面で高いコストが必要となる。 本稿では,変圧器ベースニューラルネットワークのサイズを漸進的に増加させるために,構成可能な6つの変換を提案する。
  論文  参考訳（メタデータ） (2023-08-11T12:27:22Z)
• 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)
• An Adversarial Active Sampling-based Data Augmentation Framework for Manufacturable Chip Design [55.62660894625669]
  リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。 機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。 本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-27T20:53:39Z)
• Restormer: Efficient Transformer for High-Resolution Image Restoration [118.9617735769827]
  畳み込みニューラルネットワーク(CNN)は、大規模データから一般化可能な画像の事前学習をうまく行う。 トランスフォーマーは、自然言語とハイレベルな視覚タスクにおいて、顕著なパフォーマンス向上を示している。 我々のモデルであるRecovery Transformer (Restormer) は、いくつかの画像復元タスクにおいて最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-11-18T18:59:10Z)
• Generative Adversarial Neural Cellular Automata [13.850929935840659]
  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。
  論文  参考訳（メタデータ） (2021-07-19T06:23:11Z)
• 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)
• Anytime Sampling for Autoregressive Models via Ordered Autoencoding [88.01906682843618]
  自動回帰モデルは画像生成や音声生成などのタスクに広く使われている。 これらのモデルのサンプリングプロセスは割り込みを許さず、リアルタイムの計算資源に適応できない。 いつでもサンプリングできる新しい自動回帰モデルファミリーを提案します。
  論文  参考訳（メタデータ） (2021-02-23T05:13:16Z)
• 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)

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。