論文の概要: Neural Cellular Automata: From Cells to Pixels

• arxiv url: http://arxiv.org/abs/2506.22899v1
• Date: Sat, 28 Jun 2025 14:30:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.621343
• Title: Neural Cellular Automata: From Cells to Pixels
• Title（参考訳）: 神経細胞オートマタ:細胞からピクセルへ
• Authors: Ehsan Pajouheshgar, Yitao Xu, Ali Abbasi, Alexander Mordvintsev, Wenzel Jakob, Sabine Süsstrunk,
• Abstract要約: バイオインスパイアされたニューラルセルラーオートマタ(NCAs)は、同じ細胞が自己組織され、単純な局所規則を適用することで複雑でコヒーレントなパターンを形成する生体インスパイアされたシステムである。 NCAは、自己再生、一般化、見えない状況に対する堅牢性、自発的な動きなど、突発的な行動を示す。 暗黙のデコーダを備えたNAAは,自己組織的,創発的特性を保ちながら,リアルタイムにフルHD出力を生成可能であることを示す。
• 参考スコア（独自算出の注目度）: 66.28419836820035
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Neural Cellular Automata (NCAs) are bio-inspired systems in which identical cells self-organize to form complex and coherent patterns by repeatedly applying simple local rules. NCAs display striking emergent behaviors including self-regeneration, generalization and robustness to unseen situations, and spontaneous motion. Despite their success in texture synthesis and morphogenesis, NCAs remain largely confined to low-resolution grids. This limitation stems from (1) training time and memory requirements that grow quadratically with grid size, (2) the strictly local propagation of information which impedes long-range cell communication, and (3) the heavy compute demands of real-time inference at high resolution. In this work, we overcome this limitation by pairing NCA with a tiny, shared implicit decoder, inspired by recent advances in implicit neural representations. Following NCA evolution on a coarse grid, a lightweight decoder renders output images at arbitrary resolution. We also propose novel loss functions for both morphogenesis and texture synthesis tasks, specifically tailored for high-resolution output with minimal memory and computation overhead. Combining our proposed architecture and loss functions brings substantial improvement in quality, efficiency, and performance. NCAs equipped with our implicit decoder can generate full-HD outputs in real time while preserving their self-organizing, emergent properties. Moreover, because each MLP processes cell states independently, inference remains highly parallelizable and efficient. We demonstrate the applicability of our approach across multiple NCA variants (on 2D, 3D grids, and 3D meshes) and multiple tasks, including texture generation and morphogenesis (growing patterns from a seed), showing that with our proposed framework, NCAs seamlessly scale to high-resolution outputs with minimal computational overhead.
• Abstract（参考訳）: ニューラルセルオートマタ(Neural Cellular Automata, NCA)は、同じ細胞が自己組織し、単純な局所規則を繰り返し適用することによって複雑でコヒーレントなパターンを形成するバイオインスパイアされたシステムである。 NCAは、自己再生、一般化、見えない状況に対する堅牢性、自発的な動きなど、突発的な行動を示す。 テクスチャー合成と形態形成の成功にもかかわらず、NCAは低分解能グリッドに限られている。 この制限は,(1)グリッドサイズに比例して成長するトレーニング時間とメモリ要件,(2)長距離セル通信を妨げる情報の厳密な局所伝播,(3)高分解能でのリアルタイム推論の計算要求に起因している。 本研究では、暗黙的表現の最近の進歩に触発されて、NAAと小さな共有暗黙的デコーダをペアリングすることで、この制限を克服する。 粗いグリッド上のNAA進化に続いて、軽量デコーダは任意の解像度で出力画像をレンダリングする。 また,メモリと計算オーバーヘッドを最小限に抑えた高分解能出力に特化して,形態形成タスクとテクスチャ合成タスクの両方に新たな損失関数を提案する。 提案したアーキテクチャと損失関数を組み合わせることで、品質、効率、パフォーマンスが大幅に向上します。 暗黙のデコーダを備えたNCAは、自己組織的で創発的な特性を保ちながら、リアルタイムにフルHD出力を生成することができる。 さらに、各MLPは細胞状態を独立に処理するため、推論は高度に並列化され、効率的である。 我々は,複数のNAA変種(2D,3Dグリッド,3Dメッシュ)と,テクスチャ生成や形態形成(種子からパターンを成長させる)を含む複数のタスクに対するアプローチの適用性を実証し,提案フレームワークを用いて,NAAが計算オーバーヘッドを最小限に抑えた高分解能出力にシームレスにスケール可能であることを示す。

関連論文リスト

• 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)
• Resistive Memory-based Neural Differential Equation Solver for Score-based Diffusion Model [55.116403765330084]
  スコアベースの拡散のような現在のAIGC法は、迅速性と効率性の点で依然として不足している。 スコアベース拡散のための時間連続型およびアナログ型インメモリ型ニューラル微分方程式解法を提案する。 我々は180nmの抵抗型メモリインメモリ・コンピューティング・マクロを用いて,我々の解を実験的に検証した。
  論文  参考訳（メタデータ） (2024-04-08T16:34:35Z)
• Low-Resolution Self-Attention for Semantic Segmentation [93.30597515880079]
  我々は,グローバルコンテキストを計算コストの大幅な削減で捉えるために,低解像度自己認識(LRSA)機構を導入する。 我々のアプローチは、入力画像の解像度に関わらず、固定された低解像度空間における自己注意を計算することである。 本稿では,エンコーダ・デコーダ構造を持つビジョントランスであるLRFormerを構築することで,LRSA手法の有効性を示す。
  論文  参考訳（メタデータ） (2023-10-08T06:10:09Z)
• Versatile Neural Processes for Learning Implicit Neural Representations [57.090658265140384]
  本稿では,近似関数の能力を大幅に向上させるVersatile Neural Processs (VNP)を提案する。 具体的には、より少ない情報的コンテキストトークンを生成するボトルネックエンコーダを導入し、高い計算コストを軽減した。 提案したVNPが1D, 2D, 3D信号を含む様々なタスクに対して有効であることを示す。
  論文  参考訳（メタデータ） (2023-01-21T04:08:46Z)
• Linear Array Network for Low-light Image Enhancement [11.84047819225589]
  本稿では,2次元特徴符号化のみを用いて3次元グローバルウェイトを構築し,畳み込み層が生成する特徴マップを改良する線形アレー自己アテンション(LASA)機構を提案する。 LASAは、RGBおよびRAWベースの低照度拡張タスクにおいて、より少ないパラメータで既存のSOTA(State-of-the-art)手法よりも優れている。
  論文  参考訳（メタデータ） (2022-01-22T08:44:02Z)
• Neural Disparity Refinement for Arbitrary Resolution Stereo [67.55946402652778]
  本稿では,安価で広範なコンシューマデバイスへの3Dコンピュータビジョンの展開を容易にすることを目的とした,ニューラルディファリティ改善のための新しいアーキテクチャを提案する。 我々のアプローチは任意の出力解像度で洗練された不均一写像を推定できる連続的な定式化に依存している。
  論文  参考訳（メタデータ） (2021-10-28T18:00:00Z)
• Growing 3D Artefacts and Functional Machines with Neural Cellular Automata [6.0034482500242765]
  提案したニューラルネットワークアーキテクチャにおける3次元畳み込みを利用したNCAの3次元展開を提案する。 NCAは, 城郭, マンション, 木などの複雑な物質を育むことができ, そのうちのいくつかは3,000ブロック以上で構成されている。
  論文  参考訳（メタデータ） (2021-03-15T21:51:04Z)
• 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。